relaÇÃo entre processos fÍsicos e a cor do...
TRANSCRIPT
RELAÇÃO ENTRE PROCESSOS FÍSICOS E A COR DO OCEANO
ATLÂNTICO TROPICAL
Viviane Vasconcellos de Menezes
Dissertação de Mestrado em Sensoriamento Remoto
orientada pelo Dr. Márcio Luiz Vianna, aprovada em 21 de setembro de 1999
INPE São José dos Campos
2001
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
RELAÇÃO ENTRE PROCESSOS FÍSICOS E A COR DO OCEANO
ATLÂNTICO TROPICAL
Viviane Vasconcellos de Menezes
Dissertação de Mestrado em Sensoriamento Remoto
orientada pelo Dr. Márcio Luiz Vianna, aprovada em 21 de setembro de 1999
INPE São José dos Campos
2001
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
“Necessito do mar porque me ensina
não sei se aprendo música ou consciência
não sei se é onda só ou ser profundo
ou apenas rouca voz ou deslumbrante
suposição de peixes e navios.
O fato é que até quando adormecido de algum modo magnético
circulo na universidade da marugem”
Pablo Neruda
Aos meus pais, Mario e Neia,
e aos meus irmãos Mario Cesar e Elaine.
AGRADECIMENTOS
Ao Dr. Marcio Luiz Vianna pela orientação, respeito, apoio e, principalmente,
por sua amizade durante o decorrer de todo o trabalho;
Às Dras Evlyn M. L. Novo e Corina de Freitas pelas sugestões e incentivo;
Aos membros da banca examinadora Dra. Áurea Ciotti, Dra. Cláudia Zuccari
e Dr. João Lorenzzetti pelas críticas e sugestões
Ao Instituto Nacional de Pesquisas Espaciais pela oportunidade de realizar o
Curso de Mestrado em Sensoriamento Remoto e à CAPES (Fundação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) pela concessão
da bolsa de estudo;
Ao PODAAC/NASA (Physical Oceanography Distributed Active Archive
Center-Jet Propulsion Laboratory) pelas bases de dados GOSTA e CZCS;
Aos colegas da “sala 24” pelas discussões, compreensão e incentivo, sempre.
Em especial à cartógrafa Magaly O. Mortara e à turma de 1997 do
sensoriamento remoto .
Aos colegas Jaqueline Madruga e Antônio Caltabiano pela força e ajuda
durante o decorrer do trabalho.
À Coordenação do Curso de Pós-Graduação pelo apoio e à Etel pelo bom
humor e a disposição de ajudar desde o início;
Ao Departamento de Oceanografia da Universidade do Estado do Rio de
Janeiro pela minha formação e apoio para continuar nesta profissão. Em
especial a prof. Izabel M. N. Gurgel.
À minha família pelo incentivo e torcida para que tudo desse certo, sem os
quais não teria “resistido”.
E a todos aqueles que direta ou indiretamente contribuíram para a realização
deste trabalho.
RESUMO
Neste trabalho, questões relativas ao problema de se estimar a biomassa e a produtividade primária a partir da cor do oceano no Atlântico Tropical são abordadas através da descrição dos processos físicos responsáveis pelas florações do fitoplâncton. Apesar da importância da produtividade primária do Atlântico Tropical, os processos que a controlam não são bem conhecidos. Assim, este trabalho primeiro revê os fundamentos que possibilitam o sensoriamento remoto da cor do oceano e sua relação com a concentração de pigmentos fotossintéticos e a produtividade primária. Em seguida, a distribuição espaço-temporal destes pigmentos através de imagens da cor do oceano; o papel das forçantes físicas locais ligadas ao aporte de nutrientes na camada fótica do mar e os processos físicos locais forçados pelo cisalhamento de vento, como o chamado “bombeamento de Ekman”, são estimados e descritos para o Atlântico Tropical. Para tanto, combinaram-se imagens do sensor Coastal Zone Color Scanner (CZCS)-nível 3, dados de temperatura da superfície do mar das bases de dados Global Ocean Surface Temperature Atlas (GOSTA) e Comprehensive Ocean Atmosphere Data Set (COADS) e de ventos de superfície das bases de dados do European Centre for Medium Range Weather Forecasts (ECMWF) e COADS, para a determinação do ciclo sazonal médio destas variáveis no período 1978 e 1986. Devido as diferenças entre as bases de dados, os procedimentos empregados consistiram basicamente em mapear os dados para uma grade padrão de resolução de um grau. Apesar das limitações impostas pelas imagens CZCS, principalmente a ausência de dados que fez com que a análise de correlação com as variáveis físicas fosse restrita ao biênio 1978-1980, foi possível observar que o Atlântico exibe três regiões com alta concentração de pigmentos que têm como característica marcante forte sazonalidade. Destas três regiões, a que apresenta maior extensão é a que ocorre no Atlântico Tropical Leste e a discussão sobre os fatores que controlam a produtividade foi restrita a esta região. Pôde-se observar que as forçantes físicas locais não são suficientes para explicar a indução e a manutenção das altas concentrações observadas nas imagens, o que remete a importância das forçantes remotas nesta região, cujos centros de ação são determinados. Apesar de fugir do escopo deste trabalho, uma revisão dos mais recentes resultados da literatura a este respeito é apresentada, bem como sugeridas novas metas de pesquisa.
PHYSICAL PROCESS AND OCEAN COLOR IN THE TROPICAL ATLANTIC
ABSTRACT
In the present work questions relative to the problem of estimation of the biomass and marine primary production in the Tropical Atlantic are discussed in the light of the description of the physical processes responsible for observed phytoplankton blooms. In spite of the importance of the Tropical Atlantic primary productivity, not only due to impacts on the biogeochemical cycles but also due to its importance in sustaining rich fishery areas, the process which control primary production are still not well known. Hence, this work first reviews the known basic processes controlling primary production according to published literature, as well as the estimation methods based on bio-optical algorithms, which makes possible the remote sensing of ocean color and its relation to phytoplankton pigment concentration. Next, a study of the space-time distribution of this concentration based on available satellite imagery; a description of the role of the local physical forcing agents related to productivity and upwelling of cold water, that induce the upwelling of nutrients to the photic zone; certain local processes induced by the wind stress, as Ekman Pumping, are calculated and described for the area. To this end, monthly images obtained from the Coastal Zone Color Scanner (CZCS) level 3, sea surface temperature based on the Global Ocean Surface Temperature Atlas (GOSTA) and Comprehensive Ocean Atmosphere Data Set (COADS) data sets, surface winds and wind stress fields based on European Centre for Medium Range Weather Forecasts (ECMWF) and COADS data sets, are studied to determine the seasonal cycle between 1979 and 1986, the lifetime of the CZCS sensor. Due to differences on the data sets, the procedures used for the analysis were done to map the data into a standard 1 degree grid. Correlations between the variables were made in the 1978-1980 period, due to limitations in the CZCS data set. However, it was possible to reproduce results described in the recent literature, and it was possible to show that the Tropical Atlantic exhibits three blooms that are dominated by the seasonal cycle. The most extensive bloom that is occurring in the eastern Atlantic, which made us decide to do the analysis of the forcing factors to this region. It was concluded that local forcing is not sufficient to explain the maintenance of the blooms observed in the images. Examination of the non-local forcing effects, with their centers of action being determined, is beyond the scope of this study, but a discussion on it is included for completeness, based on recent literature, as well as suggestions for future research.
SUMÁRIO
Pág.
LISTA DE FIGURAS
LISTA DE TABELAS
LISTA DE SIGLAS E ABREVIATURAS
CAPÍTULO 1 – INTRODUÇÃO ................................................................................................................... 25
1.1. O que controla as florações fitoplanctônicas no Atlântico Tropical? ................ 27
1.2. Objetivos .............................................................................................................................................................. 29
1.3. Organização do trabalho ........................................................................................................................ 29
CAPÍTULO 2 – PRODUTIVIDADE PRIMÁRIA MARINHA E SENSORIAMENTO REMOTO DA COR DO OCEANO: UMA REVISÃO
2.1. Fitoplâncton, Produtividade Primária e Fatores Físicos .............................................. 31
2.2. Cor do Oceano: Um Breve Histórico ............................................................................................ 37
2.3. Princípios da Estimativa de Biomassa e Produtividade pela Cor do Oceano ................................................................................................................................................................. 39
2.4. Fatores que Influenciam a Cor do Oceano
2.4.1. A Água e seus Componentes................................................................................................. 40
2.4.2. A Atmosfera .......................................................................................................................................... 44
2.5. Principais Missões da Cor do Oceano: CZCS e SeaWiFS ...................................... 47
2.6. Limitações e Perspectivas Futuras................................................................................................. 55
CAPÍTULO 3 – PROCESSOS FÍSICOS NO ATLÂNTICO TROPICAL
3.1. Características Gerais .............................................................................................................................. 57
3.2. Ressurgência .................................................................................................................................................. 59
3.3. Circulação .......................................................................................................................................................... 60
CAPÍTULO 4 – BASES DE DADOS UTILIZADAS ................................................................... 65
4.1. Imagens Cor do oceano ......................................................................................................................... 66
4.2. Temperatura da Superfície do Mar (TSM) ............................................................................. 70
4.3. Ventos..................................................................................................................................................................... 71
CAPÍTULO 5 – PROCEDIMENTOS EMPREGADOS ............................................................. 73
5.1. Leitura dos Dados ....................................................................................................................................... 75
5.2. Delimitação do Atlântico Tropical ................................................................................................... 77
5.3. Padronização dos Dados de Ventos ........................................................................................... 77
5.4. Estimativa do Bombeamento de Ekman ................................................................................ 79
5.5. Análise dos Dados ...................................................................................................................................... 86
CAPÍTULO 6 – RESULTADOS
6.1. Avaliação sobre as Bases de Dados.
6.1.1. Imagens da Cor do Oceano ................................................................................................ 89
6.1.2. Temperatura da Superfície do Mar ............................................................................... 96
6.1.3. Ventos .................................................................................................................................................... 98
6.2. Análise sobre as Aproximações Empregadas para Estimar o Bombeamento de Ekman .....................................................................................................................
101
6.3. Variabilidade das Forçantes Físicas Locais
6.3.1. O Ciclo Sazonal.............................................................................................................................. 105
6.3.2. O Período 1978-1986 ............................................................................................................... 122
6.3.3. Cor do Oceano: Variabilidade da Concentração de Pigmentos .......... 122
6.4. Correlação entre as Variáveis Físicas Locais e a Concentração de Pigmentos ......................................................................................................................................................... 128
CAPÍTULO 7 – DISCUSSÃO ....................................................................................................................... 135
7.1. O Atlântico Tropical Leste ..................................................................................................................... 136
CAPÍTULO 8 - CONCLUSÕES .................................................................................................................. 143
REFERÊNCIAS BIBLIOGRÁFICAS........................................................................................................ 145
APÊNDICE A - Rotinas utilizadas para leitura dos dados e derivar as
variáveis físicas: cisalhamento e bombeamento de Ekman .............................. 161
APÊNDICE B – Gráficos: TSM, cisalhamento e seus respectivos
componentes e bombeamento de Ekman por região 1978-1986 ...............
167
APÊNDICE C – Tabela: Média da Concentração de Pigmentos por região,
desvio padrão e número de observações............................................................................
173
APÊNDICE D – Média mensal 1979/1980 ........................................................................................ 175
LISTA DE FIGURAS
Pág.
2.1 Transmissão da luz visível na água do mar................................................................. 32
2.2 Perfis verticais: fotossíntese e respiração..................................................................... 33
2.3 Ciclo anual da biomassa fitoplanctônica em diferentes regiões geográficas para o hemisfério norte ..................................................................................
35
2.4 Curva de absorção para água pura..................................................................................... 41
2.5 Curva de absorção de substâncias amarelas ........................................................... 42
2.6 Diagrama esquemático: sensoriamento remoto da cor do oceano ........ 45
2.7 Satélite NIMBUS-7, sensor CZCS e esquema de imageamento............... 47
2.8 Absorção dos principais componentes opticamente ativos da água
em relação as bandas do sensor CZCS ........................................................................
48
2.9 Distribuição temporal das imagens CZCS..................................................................... 50
2.10 Satélite SeaStar e sensor SeaWiFS ................................................................................. 52
2.11 Absorção dos principais componentes opticamente ativos da água
em relação as bandas do sensor SeaWiFs..................................................................
52
3.1 Relação entre direção do vento, correntes superficiais e transporte de Ekman nas latitudes tropicais ...................... ...................................................................
57
3.2 Seção esquemática leste-oeste no oceano equatorial ...................................... 59
3.3 Diagrama esquemático da circulação de superfície (0-100 m) no
Atlântico Tropical ................................................................................................................................
61
3.4 Diagrama esquemático da circulação de subsuperfície (100-500 m)
no Atlântico Tropical ........................................................................................................................ 62
4.1 Diagrama: sistema de processamento dos dados CZCS ............................... 67
4.2 Representação esquemática de um arquivo HDF/modelo RIS8 .............. 69
5.1 Diagrama Esquemático: Procedimentos Empregados ...................................... 74
6.1 Comparação entre imagens CZCS e dados in situ .............................................. 90
6.2 Disponibilidade de dados CZCS no Atlântico Tropical para o período
de novembro de 1978 a junho de 1986 .........................................................................
92
6.3 Disponibilidade de dados CZCS no Atlântico Tropical por ano ................. 93
6.4 Disponibilidade de dados CZCS no Atlântico Tropical por mês ................ 94
6.5 Comparação entre as bases de TSM COADS e GOSTA, ao longo do
transecto equatorial ......................................................................................................................... 97
6.6 Diagramas de dispersão entre as bases GOSTA e COADS para o parâmetro TSM, por transecto................................................................................................. 98
6.7 Localização dos transectos: comparação dos dados COADS e
ECMWF ......................................................................................................................................................
99
6.8 Correlação entre as bases COADS e ECMWF para o parâmetro intensidade do cisalhamento, por transecto ............................................................... 100
6.9 Cisalhamento do vento no transecto equatorial: COADS e
ECMWF.......................................................................................................................................................
101
6.10 Estimativa de we pelo procedimento de Hsieh e Boer (1992) referente ao mês de junho de 1979 para diferentes valores do coeficiente de amortecimento ................................................................................................. 103
6.11 Estimativa de we por uma única equação em função do coeficiente
de amortecimento. Junho de 1979 ..................................................................................... 104
6.12 Localização das áreas analisadas ...................................................................................... 105
6.13 Climatologia TSM média entre 10oN-10oS ................................................................... 106
6.14 TSM – Média Mensal Climatológica ................................................................................ 107
6.15 Ciclo sazonal da TSM, média por região ...................................................................... 108
6.16 Cisalhamento do Vento – Média Mensal Climatológica .................................. 110
6.17 Desvio padrão para o período 1978-1986: cisalhamento;
componente zonal e meridional ............................................................................................ 112
6.18 Ciclo sazonal do cisalhamento do vento, média por regiões ....................... 113
6.19 Componente Zonal do Cisalhamento – Média Mensal Climatológica... 115
6.20 Componente Meridional do Cisalhamento – Média Mensal
Climatológica .........................................................................................................................................
116
6.21 Ciclo sazonal da componente meridional do vento, por regiões............... 117
6.22 Ciclo sazonal da componente zonal do vento, por regiões ........................... 118
6.23 Bombeamento de Ekman – Média Mensal Climatológica .............................. 120
6.24 Ciclo sazonal do bombeamento de Ekman ................................................................. 121
6.25 Imagens CZCS nível 3 – Média Mensal ......................................................................... 123
6.26 Variabilidade temporal da concentração de pigmentos entre
novembro de 1978 e novembro de 1980, média por regiões .................... 126
6.27 Média anual da concentração de pigmentos e bombeamento de Ekman .........................................................................................................................................................
129
6.28 Coeficiente de correlação em cada ponto de grade ........................................... 130
6.29 Diagramas de dispersão entre a concentração de pigmentos e as
variáveis físicas locais no ATL ............................................................................................... 131
6.30 Ciclo sazonal da concentração de pigmentos e do bombeamento de Ekman para uma subárea do ATL ......................................................................................
133
7.1 Modelo conceitual proposto por Monger et al. (1997) para explicar a
variabilidade da concentração de pigmentos no ATL ........................................
140
7.2 Ciclo sazonal da profundidade da nitraclina ............................................................... 142
LISTA DE TABELAS
Pág.
2.1 Principais grupos fitoplanctônicos, pigmentos característicos e comprimentos de onda de absorção..................................................................................
43
2.2 Principais características do sensor CZCS e do satélite
NIMBUS7................................................................................................................................................... 49
2.3 Informações sobre produtos CZCS..................................................................................... 50
2.4 Principais características do satélite SeaStar e do sensor
SeaWiFS..................................................................................................................................................... 54
5.1 Características das bases de dados: ATROP .......................................................... 78
6.1 Correlação entre as bases GOSTA e COADS ......................................................... 97
6.2 Correlação entre a concentração de pigmentos e as variáveis físicas
locais por região...................................................................................................................................
131
LISTA DE SIGLAS E ABREVIATURAS
ADEOS - Advanced Earth Observing Satellite
ATL - Atlântico Tropical Leste
ATO - Atlântico Tropical Oeste
ATROP - Atlântico Tropical
CA - Corrente de Angola
CB - Corrente do Brasil
CC - Corrente do Caribe
CCNE – Contra-corrente Norte Equatorial
CCSE - Contra-corrente Sul Equatorial
CDC - Climate Diagnostic Center
CESS - Corrente Equatorial Subsuperficial
CG - Corrente da Guiné
CGCSS - Corrente do Gabão-Congo Subsuperficial
CGGSS - Corrente das Guianas Subsuperficial
CIPREA - Circulation et Production a l’equateur dans l’Atlantic
CNBSS - Corrente Norte do Brasil Subsuperficial
CNE – Corrente Norte Equatorial
CNESS - Corrente Norte Equatorial Subsuperficial
COADS - Comprehensive Ocean Atmosphere Data Set
COI - Comissão Oceanográfica Intergovernamental
CSE – Corrente Sul Equatorial
CSEC - Corrente Sul Equatorial Ramo Central
CSEE - Corrente Sul Equatorial Ramo Equatorial
CSEN - Corrente Sul Equatorial Ramo Norte
CSES - Corrente Sul Equatorial Ramo Sul
CSESS - Corrente Sul Equatorial Subsuperficial
CZCS - Coastal Zone Color Scanner
DA - Domo de Angola
DG - Domo da Guiné
ECMWF - European Centre for Medium Range Weather Forecasts
EMV - Estimador de Máxima Verossimilhança
EOS - Earth Observing System
FAB - Frente Angola-Benguela
FOV - Field-of-View
FTP - File Transfer Protocol
GA - Giro de Angola
GAC - Global Area Coverage
GG - Golfo da Guiné
GOSTA - Global Ocean Surface Temperature Atlas
GRIB - Gridded Binary
GSFC - Goddard Space Flight Center
HDF - Hierarquical Data Format
HN - Hemisfério Norte
HNLC - High Nutrient-LOw Chlorophyll
HS - Hemisfério Sul
ICITA - International Cooperative Investigation of the Tropical Atlantic
IDL - Interactive Data Language
IFOV - Instantaneous Field-of-View
LAC - Local Area Coverage
MIT - Massachusetts Institute of Technology
MOD - Matéria Orgânica Dissolvida
NASA - NAtional Aeronautic and Space Administration
NASDA - National Space Agengy of Japan
NC - Nível de Cinza
NCAR - National Center for Atmospheric Research
NCDC - National Climatic Data Center
NCSA - National Center for Supercomputing Applications
NE – Nordeste
NEA - Nordeste da América do Sul
NetCDF - Network Common Data Format
NOA - Noroeste da África
NOAA - National Oceanographic and Atmospheric Administration
NOB - Número de Observações
OCTS - Ocean Color and Temperature Scanner
PACS - Pan-American Climate Studies
PIRATA - Pilot Research Moored Array in the Tropical Atlantic
PMC - Profundidade de Máxima Concentração de Pigmentos
PMEL - Pacific Marine Environmental Laborator
PMP - Profundidade de Máxima Produtividade Primária
PODAAC - Physical Oceanography Distributed Active Archive Center
REM - Radiação Eletromagnética
RSMAS - Rosentiel School of Marine and Atmospheric Science
SE – Sudeste
SeaWiFs - Sea-Viewing Wide Field-of-view Sensor
SEQUAL/FOCAl - Seasonal Equatorial Atlantic Experiment/Français Océan-Climat en
Atlantique Equatorial
TMAP - Thermal Modeling and Analysis Project
TSM - Temperatura da Superfície do Mar
ZCIT – Zona de Convergência Intertropical
25
CAPÍTULO 1
INTRODUÇÃO
Com o crescente interesse em conhecer os mecanismos que controlam as mudanças
climáticas globais, várias pesquisas têm sido conduzidas para determinar o papel
exercido pelos oceanos na dinâmica do clima. Uma das principais linhas de pesquisa
é estimar a produtividade primária marinha e o seu papel no ciclo global do carbono,
visto que os oceanos são responsáveis por mais da metade da fixação de matéria
orgânica do planeta e o gás carbônico (CO2) é o principal determinante do chamado
efeito estufa.
No meio marinho, a produção primária, isto é, a fixação de carbono inorgânico através
da fotossíntese, é dominada pelo fitoplâncton, que contribui com aproximadamente
95% da produtividade total (Kennish, 1990). O fitoplâncton pode ser definido como o
conjunto de vegetais, flutuantes, habitantes das zonas fóticas e espacialmente
distribuídos na forma de agregados (Gower et al., 1980). Como são produtores
primários, ocupam a base da cadeia alimentar dos oceanos e regulam a produtividade
biológica marinha. Conhecer sua distribuição e dinâmica é essencial para determinar e
conhecer os ciclos biogeoquímicos globais (Longhurst e Harrison, 1989; Longhurst,
1991; Mitchell, 1994). E, assim, no futuro poder responder a principal indagação dos
dias atuais: a biosfera marinha, especialmente o fitoplâncton, mitiga ou contribui para
o aumento dos gases de origem antropogênica que contribuem para o efeito estufa ?
(GSFC, 1999).
Um dos avanços mais marcante nesta linha de pesquisa foi o advento de sensores
remotos especialmente desenvolvidos para monitorar a cor do oceano no final da
década de 70. Através das imagens coletadas por aquele tipo de sensor é possível
inferir a concentração de pigmentos (clorofila a + feopigmentos), que é um indicador
de biomassa, e indiretamente derivar a produtividade primária marinha. Esta técnica
apresenta basicamente duas vantagens sobre a coleta de dados tradicional (in situ):
seu caracter sinóptico, pois cada imagem pode cobrir instantaneamente uma área de
centenas de quilômetros e sua repetitividade que permite a formação de séries
temporais. Apesar destas vantagens tal técnica não substitui a amostragem in situ já
que não é possível obter perfis na coluna d’água nem informações abaixo da camada
superficial, e, sabe-se que no oceano muitas vezes a produção primária máxima
ocorre em maiores profundidades (McClain et al., 1993). O capitulo 2 apresenta os
26
fundamentos desta forma de coleta de dados, suas limitações, os principais sensores
e as perspectivas futuras.
A primeira missão de sensoriamento remoto da cor do oceano foi a do sensor Coastal
Zone Color Scanner (CZCS), colocado em órbita pela agência espacial americana,
National Aeronautic and Space Admnistration (NASA), em novembro de 1978. O
CZCS funcionou durante oito anos coletando neste período cerca de 68 mil imagens
sobre os oceanos. Os estudos derivados destas imagens foram os primeiros a
demonstrar em escala global a variabilidade espaço-temporal da biomassa
fitoplânctonica (McClain et al., 1993).
Uma das principais constatações obtidas a partir das imagens CZCS é que oceanos
tropicais não são imensas áreas desérticas, isto é, de baixa produção primária, como
anteriormente acreditava-se. Não sendo grandes “desertos”, seu impacto sobre o ciclo
global do carbono e, consequentemente, sobre as mudanças climáticas globais, é
maior do que podia-se avaliar (Longhurst, 1993; Monger et al., 1997). Por exemplo,
Platt et al. (1991) utilizando modelagem matemática, dados in situ e imagens do CZCS
concluíram que a produção primária no Atlântico tropical é superior a toda área de
florações (“blooms” ) das regiões temperada e subártica do Atlântico Norte, sendo
assim a área mais produtiva do Atlântico.
Como conseqüências àquelas observações, novas questões a respeito da dinâmica
fitoplanctônica nos oceanos tropicais tem sido levantadas. A principal, talvez, seja: o
que induz e mantém a alta produtividade destes oceanos? Segundo Yoder et al.
(1993), os modelos clássicos propostos para explicar a variabilidade temporal da
produtividade não são adequados para as regiões tropicais, pois os fatores que
controlam o crescimento e o desenvolvimento do fitoplâncton variam com a latitude e
com as condições oceanográficas.
De todos os oceanos tropicais, sem sombra de dúvida, o mais estudado, neste
aspecto, é o Pacífico, com menor atenção sendo devotada ao Atlântico e ao Índico.
Porém, os recentes conhecimentos obtidos nos estudos no Pacífico tem levado a um
aumento de interesse sobre a dinâmica do fitoplâncton no Atlântico. Principalmente,
pela observação que a concentração de clorofila (biomassa) nesta região é igual ao
dobro da observada no Pacífico e quatro vezes maior que a do Indico (Chavez e
Smith, 1996).
27
Várias são as hipóteses para explicar tamanha diferença de biomassa entre os
oceanos tropicais. No caso do Pacífico, a mais aceita é que haja limitação do
crescimento do fitoplâncton por metais traços, especialmente o ferro, que faz com que
a região seja definida como High Nutrient-Low Chlorophyll (HNLC) - Alta concentração
de nutrientes e Baixa concentração de clorofila (Cullen, 1991; Frost, 1991).
No Atlântico tropical, considera-se que o principal fator controlador da produtividade
seja a concentração de nutrientes (Voituriez e Herbland, 1979; Monger et al., 1997),
que, por outro lado, é controlada pelos processos físicos responsáveis pelo transporte
destes nutrientes da subsuperfície à camada superficial. Segundo Monger et al.
(1997), com os avanços no conhecimento da dinâmica desta região é agora possível
estudar as interações físicas e biológicas de forma mais detalhada que anteriormente.
É esta, a linha que conduz o presente estudo.
1.1. O QUE CONTROLA AS FLORAÇÕES FITOPLÂNCTONICAS NO ATLÂNTICO
TROPICAL ?
De forma simplificada, há quatros fatores principais que controlam o desenvolvimento
do fitoplâncton: irradiância solar incidente, suprimento de nutrientes, estratificação da
coluna d’água e pastagem pelo zooplâncton herbívoro (Sverdrup et al., 1942;
Raymont, 1976, Kennish, 1990; Yoder et al., 1993).
É óbvio que tais processos não são independentes uns dos outros, mas para
simplificar o problema é necessário que os consideremos separadamente. Aqui, será
examinado apenas a relação entre as forçantes físicas, que controlam principalmente
o suprimento de nutrientes e a estratificação da coluna d’água, e as florações do
fitoplâncton.
Entretanto, algumas considerações sobre a influência dos demais fatores no Atlântico
Tropical podem ser traçadas. De todos, o mais difícil de quantificar é o efeito da
pastagem pelo zooplâncton herbívoro. Como demonstrado por Cullen (1991) e Frost
(1991) há uma grande dificuldade metodológica envolvida neste caso. Mas, sua
importância no controle das florações no Atlântico Tropical não pode ser descartada.
Principalmente no Atlântico Tropical Leste já que segundo Herbland et al. (1985) e
Monger et al. (1997), a comunidade fitoplanctônica nesta região é dominada por
pequenas células cujo desenvolvimento é fortemente controlado por pastagem de
28
zooplâncton protista. Quanto à irradiância solar incidente, estando a região estudada
localizada na faixa tropical do globo, é provável que tal fator não seja o principal
limitante ao desenvolvimento do fitoplâncton, como o é nas regiões subtropical e
temperada.
PROCESSOS FÍSICOS E NUTRIENTES
Nas décadas de 70 e 80, dois processos físicos foram propostos para explicar o
enriquecimento de nutrientes no Atlântico Tropical. Voituriez e Herbland (1979)
propuseram que o principal processo seria a mistura turbulenta entre a corrente sul
equatorial (CSE) (atualmente conhecida como ramo da norte da CSE) e a corrente sul
equatorial subsuperficial (CESS). Minas et al. (1983) e Herbland et al. (1983)
propuseram que a ressurgência resultante da divergência equatorial seria o principal
mecanismo. Na década de 90, Longurst (1993) observou que tais processos não eram
suficientes para explicar a extensão e a variabilidade temporal da biomassa, e propôs
que a dinâmica da termoclina e os ventos locais seriam os principais controladores do
suprimento de nutrientes. Monger et al. (1997), partindo dos estudos anteriores
propuseram um modelo mais completo que inclui a dinâmica relativa entre nitraclina e
a CESS e, a propagação de ondas equatoriais.
Um parênteses deve ser feito antes de qualquer conclusão sobre a importância de
cada um dos processos físicos mencionados anteriormente.
Os dados sobre biomassa e/ou produtividade no Atlântico Tropical são conflitantes
entre si, principalmente com relação à ausência ou presença do ciclo sazonal. Tal
assunto vem sendo discutido desde as primeiras medições realizadas na década de
50. Tanto que, em 1963, a Comissão Oceanográfica Intergovernamental (COI)
organizou o programa International Cooperative Investigation of the Tropical Atlanctic
(ICITA/EQUALANT). Este programa teve como objetivo principal descrever as
características físicas, químicas, meteorológicas e biológicas de toda a bacia entre
20oN e 20oS, em duas estações. De modo a responder a principal indagação da
época: a produção orgânica no Atlântico Tropical é constante ao longo do ano? Ou
apresenta significantes variações sazonais? (Herbland et al., 1983).
Após o programa ICITA, outras campanhas foram realizadas durante as décadas de
70 e 80 (CIPREA -1978/1979; FGGE - 1979; SEQUAL/FOCAL -1983/1984; PIRAL -
29
1986, entre outras). Por apresentarem resultados discordantes, não foi possível
determinar de forma consistente se havia variabilidade temporal significativa na
produtividade ou biomassa (Longhurst, 1993).
Este parênteses para explicar a contradição que existe foi feito para se avaliar o
quanto é difícil determinar qual é o principal processo responsável pelo fluxo de
nutrientes pois, dependendo do conjunto de dados analisado, a inferência sobre tal
processo pode variar totalmente.
1.2. OBJETIVOS
Tendo em vista as considerações anteriores, este trabalho teve como objetivo principal
descrever a variabilidade da concentração de pigmentos (biomassa) no oceano
Atlântico Tropical a partir de imagens da cor do oceano e examinar o papel das
forçantes físicas locais ligadas ao suprimento de nutrientes.
As variáveis físicas estudadas foram: cisalhamento do vento e seus respectivos
componentes, temperatura da superfície do mar e bombeamento/sucção de Ekman.
Estas variáveis representam os principais processos físicos locais que controlam os
nutrientes na camada superficial.
Para tanto, combinaram-se várias bases de dados: obtidas por sensoriamento remoto,
no caso a do sensor CZCS, e derivadas de coletas in situ. Assim, o período estudado
vai de novembro de 1978 a junho de 1986, que eqüivale a vida útil daquele sensor.
1.3. ORGANIZAÇÃO DO TRABALHO
Para facilitar sua compreensão, o presente documento foi organizado em capítulos: o
primeiro faz uma breve introdução sobre o problema estudado (presente capítulo); no
segundo apresenta-se uma revisão sobre alguns aspectos do sensoriamento remoto
da cor do oceano: principais missões, limitações atuais e perspectivas futuras; o
terceiro trata da dinâmica física e da circulação superficial do Atlântico Tropical; o
quarto e o quinto capítulos descrevem, respectivamente, as características das bases
de dados utilizadas e a metodologia empregada na realização do trabalho; no sexto,
os resultados obtidos são analisados; no sétimo, é apresentada uma breve discussão
sobre a indução e a manutenção dos florações fitoplanctônicas no Atlântico Tropical
30
com base nos resultados obtidos e na literatura, já que aqui analisou-se apenas as
forçantes físicas locais; o oitavo capítulo apresenta as conclusões e recomendações
derivadas do presente estudo.
31
CAPÍTULO 2
PRODUTIVIDADE PRIMÁRIA MARINHA E SENSORIAMENTO REMOTO DA COR DO OCEANO: UMA REVISÂO
2.1. FITOPLÂNCTON, PRODUTIVIDADE PRIMÁRIA E FATORES FÍSICOS
No meio marinho, a produção primária, conversão de carbono inorgânico em matéria
orgânica através da fotossíntese, é dominada pelo fitoplâncton, que contribui com
aproximadamente 95% da produtividade total. Se pensarmos que os oceanos cobrem
aproximadamente 72% da superfície terrestre, estes pequenos organismos
autotróficos tornam-se o mais importante grupo de produtores primários do planeta.
Como gerador de matéria orgânica, ocupam a base da cadeia alimentar dos oceanos,
desempenhando papel vital no fluxo de energia e nos ciclos biogeoquímicos de
elementos como o carbono, nitrogênio, fósforo, oxigênio e enxofre (Perry, 1986;
Kennish, 1990; McClain et al., 1993).
O fitoplâncton pode ser definido como o conjunto de microorganismos fotossintéticos,
habitante das zonas fóticas e distribuído espacialmente na forma de agregados, os
chamados “patches”. Não sendo dotado de mobilidade própria, sua locomoção na
massa d'água é reduzida, restrita à migração vertical de uns poucos metros por dia e,
determinada pelo sistema de correntes e regime de marés. Geralmente, os
organismos fitoplanctônicos são classificados com base no tamanho da célula em:
picoplâncton (<2 μm); ultraplâncton (2 a 5 μm de diâmetro); nanoplâncton (5 a 20 μm);
microfitoplâncton (20 a 200 μm) e macrofitoplâncton (> 200 μm), sendo que metade
das espécies pertence às classes ultraplâncton e nanoplâncton. Englobam uma
diversidade de grupos de algas dos quais os principais são: diatomáceas (família
Bacillariophyceae), dinoflagelados (família Dinophyceae), cocolitoforídeos (família
Prymnesiophyceae), silicoflagelados (família Chrysophyceae) e algas verdes-azuis
(família Cyanophyceae). A identificação destes grupos é feita com base em certas
características das células, como estruturas especializadas e composição de
pigmentos fotossintéticos (Kennish, 1990; Alfutis e Casey, 1998).
A fotossíntese é um processo pelo qual a partir de dióxido de carbono e água,
moléculas orgânicas de alta energia (carboidratos) são sintetizadas, sendo o oxigênio
liberado como produto final das reações. Apesar deste processo ser semelhante nos
32
ecossistemas terrestres e aquáticos, os fatores que controlam a produtividade,
quantidade de carbono orgânico fixado por unidade de área, ou volume, e por unidade
de tempo, diferem muito entre os dois meios. Sobre a produtividade primária marinha
atuam fatores mutuamente dependentes, dos quais os mais importantes são:
luminosidade, disponibilidade de nutrientes, pastagem pelo zooplâncton herbívoro
(grazing) e mecanismos físicos (ressurgência, convergência, divergência, turbulência,
entre outros) (Sverdrup et al., 1942; Raymont, 1976; Kiorboe, 1993).
A importância da luminosidade é óbvia, pois para que a reação fotossintética ocorra é
necessário uma certa quantidade de energia solar. Como a intensidade da luz visível
decaem exponencialmente com a profundidade (Figura 2.1), a fotossíntese não é
uniforme dentro da camada fótica, tendo um perfil vertical como o da figura 2.2. No
perfil, pode ser observado que a produção máxima não ocorre na superfície, mas num
ponto abaixo desta devido à fotoinibição. A fotoinibição deve-se ao excesso de energia
disponível e ao efeito destrutivo da radiação ultravioleta na superfície (Kirk,1986;
Neshyba,1987).
Fig. 2.1 – Transmissão da luz visível na água do mar. FONTE: Adaptada de MBLC (1999)
33
Ao contrário da fotossíntese, a respiração é um processo que depende principalmente
do metabolismo dos organismos e é responsável pelo consumo de cerca de 10% da
produtividade primária bruta. Ao se observar os perfis verticais de produção e
respiração pode-se identificar um ponto no qual a fotossíntese iguala-se à respiração.
Este ponto, denominado de profundidade ou ponto de compensação, é definido como
a profundidade na qual o carbono fixado em 24 horas (ou oxigênio produzido) pela
fotossíntese é igual ao carbono dissipado (ou oxigênio consumido) na respiração
durante o mesmo período. Acima deste ponto o fitoplâncton pode crescer e multiplicar-
se, abaixo tem que se manter com reservas acumuladas (Neshyba,1987). Outro ponto
importante que pode ser identificado no perfil fotossintese-respiração é a profundidade
crítica definida como a profundidade na qual a produtividade primária bruta na coluna
d’água é igual à respiração total na mesma coluna d’água (Kirk, 1986;Neshyba,1987).
Fig. 2.2 – Perfis verticais: fotossíntese e respiração. FONTE: Neshyba (1987, p.241-242)
A luminosidade, além de determinar a distribuição vertical do fitoplâncton na coluna
d'água, atua, também, no domínio temporal, pois a intensidade de luz não é constante
ao longo do ano, variando de acordo com as estações. Assim, a importância da luz
34
como fator limitante é função da região geográfica, de tal forma que diminui à medida
que desloca-se dos pólos para os trópicos (Raymont, 1976; Kennish, 1990).
Além da energia luminosa, o fitoplâncton, como as plantas terrestres, necessita de
nutrientes para crescer e manter seu sistema fisiológico. A maioria destes nutrientes
está presente em grandes quantidades na água do mar, mas os compostos
fosfatados, nitrogenados, silicatados e alguns metais traços como cobre, níquel e
ferro, existentes em pequenas concentrações na zona fótica, são os mais críticos,
limitando a produtividade na maioria das regiões do globo (Raymont, 1976; Kennish,
1990).
Geralmente, a relação entre os fatores luminosidade e disponibilidade de nutrientes é
tal que, em regiões tropicais, onde a energia luminosa é aproximadamente constante
ao longo do ano, os nutrientes são os principais controladores da produtividade. Nas
médias latitudes, a interação entre os dois fatores é responsável por um ciclo sazonal
bem marcado e, nas altas latitudes, a influência da luminosidade se sobrepõe à
disponibilidade de nutrientes (Figura 2.3) (Kennish, 1990).
35
Fig. 2.3 – Ciclo anual da biomassa fitoplanctônica em diferentes regiões geográficas para o hemisfério norte. FONTE: Yoder et al. (1993, p.182)
Sendo a disponibilidade de nutrientes um dos principais limitantes à produtividade, é
de vital importância conhecer as fontes destes compostos para a coluna d'água. Nas
áreas costeiras, o escoamento superficial e concentrado, a chamada descarga
terrestre, é a principal fonte. Mas, nas regiões oceânicas, o suprimento vem das águas
subsuperficiais, que representam um reservatório de nutrientes para a zona fótica. Tal
reservatório é conseqüência, basicamente, de dois fatos: à medida que a profundidade
aumenta, diminui a quantidade de organismos fitoplanctônicos e, consequentemente,
o consumo de nutrientes da coluna d’água, ao mesmo tempo em que há, pela
decomposição dos organismos, a regeneração dos nutrientes. Assim, pode-se dizer
que nas regiões oceânicas a produtividade está conectada aos processos físicos que
transportam os nutrientes à zona superficial. Do ponto de vista do suprimento de
nutrientes, os processos físicos mais importantes são a turbulência na camada de
36
mistura (mistura vertical) e a ressurgência (entrada de águas subsuperficiais na
camada de superfície). Tais processos são gerados por ondas, ventos, correntes ou
marés e variam com a região geográfica e com o tempo (Gargett, 1991).
O último dos fatores principais que controlam a produtividade primária marinha é a
pastagem (grazing), isto é, a alimentação pelo zooplâncton herbívoro dos organismos
fitoplanctônicos. Alguns estudos têm demonstrado que em áreas com concentração
relativamente alta de nutrientes e luminosidade adequada, a produtividade deve ser
controlada pela pastagem do zooplâncton. Em geral, é difícil estabelecer o grau de
influência deste fator, pois há uma grande dificuldade metodológica envolvida neste
tipo de pesquisa, seja em laboratório ou no campo (Cullen, 1991; Frost, 1991) .
Deve ser observado que, além dos fatores brevemente descritos, há ainda uma série
de outros, como temperatura, salinidade, pH, composição de espécies, que interferem
na fisiologia e reprodução dos organismos, e cuja influência varia de região para
região e ao longo do tempo. Isto demonstra que a distribuição espacial e temporal da
produtividade primária marinha depende da complexa interação de adaptação
fisiológica, reprodução, disponibilidade de luz e nutrientes, pastagem pelo zooplâncton
e mecanismos físicos, necessitando ainda hoje de grande número de estudos para
que se possa compreender o grau de controle de cada um dos fatores acima. E assim,
avaliar como a produtividade primária marinha participa do ciclo global do carbono e
das mudanças climáticas passadas e futuras.
37
2.2. COR DO OCEANO: UM BREVE HISTÓRICO
Nos últimos quarentas anos, uma das técnicas mais empregadas para estimar a
produtividade primária baseia-se no perfil vertical da concentração de clorofila-a, que é
um indicador de biomassa fitoplânctonica. Esta técnica tem a vantagem de ser simples
e de baixo custo quando comparada a outras técnicas, como os métodos do 14C e do
oxigênio; porém, não é a mais precisa, apesar da relação direta entre biomassa e
produtividade (Gower et al., 1980; Neshyba, 1987; Jeffrey et al., 1997).
Independentemente da técnica empregada, é difícil, com amostragem in situ,
monitorar a produtividade primária em escala global. Este fato tem várias origens, das
quais as mais relevantes são: esquema de amostragem ineficiente, já que se coletam
dados em estações oceanográficas discreta e falta de continuidade espacial e
temporal dos dados. Neste contexto, a utilização de imagens de satélite permite
observações e medidas em escalas inviáveis por amostragem tradicional (Prasad e
Haedrich, 1993). Apresenta basicamente duas vantagens: seu caráter sinóptico, pois
cada imagem cobre instantaneamente uma grande área, que pode chegar a centenas
de quilômetros; e a sua repetividade, isto é, permite obter séries temporais de dados
(Gower et al., 1980; Robinson, 1985; Elisenger e Iverson, 1986).
Apesar das vantagens, dados remotos não substituem amostragem in situ. Como será
abordado mais adiante, a técnica de sensoriamento remoto também traz implícito uma
série de limitações. A principal limitação é que por, intermédio das imagens, só é
possível inferir parâmetros na superfície, e não em um perfil na coluna d'água (Mueller
e LaViollete, 1981; Barale e Fay, 1986; Barale, 1991). Assim, é consenso que para
estimar a produtividade de forma acurada o ideal é integrar, através do
desenvolvimento de algoritmos, dados de coletas in situ e de satélites, aproveitando as
vantagens dos dois métodos (Smith e Wilson, 1981; Robinson, 1985; Morel e Berton,
1989).
Foram as observações pioneiras realizadas a partir da década de 60 que
demonstraram o potencial da utilização de sensores remotos no monitoramento dos
pigmentos fotossintéticos e impulsionaram a NASA a desenvolver tecnologia orbital
para monitorar a cor do oceano (Hovis, 1981; Stewart, 1985; Armstrong, 1994).
Em sensoriamento remoto, a cor do oceano é definida pelo espectro de energia
eletromagnética na faixa do visível (0,4 a 0,7 μm) proveniente do sol que atravessa a
38
atmosfera, interage com a camada superficial dos oceanos e retorna à atmosfera,
atravessando-a novamente, sendo captada então pelo sensor. Esta radiância que o
sensor capta traz informações sobre os componentes que influenciam as
características ópticas da água do mar, como por exemplo os pigmentos
fotossintéticos. E, através de processamento adequado das imagens é possível inferir
as concentrações daqueles componentes (Müeller e LaViolette, 1981; Robinson, 1985;
Barale, 1991; Mobley, 1994).
O primeiro sensor orbital especificamente desenvolvido com a finalidade de monitorar
a cor do oceano foi o CZCS, lançado em 1978, pela NASA a bordo do satélite
meteorológico NIMBUS-7. Em quase 8 anos de operação, o CZCS coletou,
aproximadamente, 68 mil imagens sobre os oceanos, que demonstram a viabilidade
de utilizar dados remotos no estudo da dinâmica do fitoplâncton (Hovis, 1981; Stewart,
1985; Armstrong, 1994; CZCS, 1997).
Apesar da importância das imagens de cor do oceano, somente em 1996 foi lançado o
segundo sensor com esta finalidade: Ocean Color and Temperature Scanner (OCTS),
colocado em órbita pela agência espacial japonesa, National Space Agency of Japan
(NASDA), em 17 de agosto de 1996, a bordo do satélite Advanced Earth Observing
Satellite (ADEOS). Devido a problemas no painel solar da espaçonave, o satélite
deixou de operar em 30 de junho de 1997, apenas sete meses após ter sido lançado
(Agência Espacial do Japão, 1999).
Em agosto de 1997, após quase uma década sem imagens da cor do oceano, a NASA
finalmente colocou em órbita o sucessor do CZCS: o sensor Sea-viewing Wide
Field-of-view Sensor (SeaWiFS). O SeaWiFS, ao contrário do CZCS, que foi
experimental, é um sensor operacional, e traz melhorias em relação ao primeiro, que
resultam em melhores estimativas da concentração de pigmentos, inclusive, clorofila-a
(Evans e Gordon, 1994; Ackein et al., 1995).
39
2.3. PRINCÍPIOS DA ESTIMATIVA DE BIOMASSA E PRODUTIVIDADE PELA COR DO OCEANO
O pressuposto da utilização de sensores remotos para monitorar a produtividade
primária é que a radiância emergente através da superfície do mar, resultado da
interação da energia eletromagnética (REM) com o corpo d’água, é função da
concentração dos pigmentos fotossintéticos (clorofila + feopigmentos). Entretanto,
como será abordado no próximo item, os pigmentos são apenas um dos componentes
que interagem com a REM dentro do corpo d’água.
De uma maneira geral, estimar a produtividade por dados remotos envolve duas
etapas distintas: primeiro, determinar a concentração de pigmentos a partir da
radiância coletada pelo sensor; como um indicador da biomassa fitoplanctônica e,
depois, a partir da biomassa calcular a produtividade por meio de algoritmos que
podem ser empíricos, semi-analíticos ou analíticos. Assim, pode-se dizer que o êxito
em determinar a produtividade está conectado à acurácia das estimativas da
concentração de pigmentos derivada das imagens da cor do oceano (Perry, 1986;
Morel e Berton, 1989).
O principal problema de estimar a concentração de pigmentos a partir de dados
remotos é que a radiância emergente na superfície do mar é pequena quando
comparada à parcela derivada dos efeitos atmosféricos, também coletada pelo sensor.
Neste caso, a atmosfera chega a contribuir com mais de 90% da radiância coletada
pelo sensor e, assim, antes de estimar qualquer parâmetro relacionado a cor do
oceano é necessário uma correção atmosférica acurada, isto é, retirar da radiância
coletada pelo sensor toda a parcela originada na atmosfera (Gordon e Clark, 1980;
André e Morel, 1991).
Após a remoção dos efeitos atmosféricos, a radiância resultante, que seria a que
emerge na superfície do mar, é utilizada em algoritmos para estimar a concentração
de pigmentos. Em geral, estes algoritmos tem como base análises de regressão entre
medidas remotas e in situ, modelos de classificação bio-ópticos, ou diversas
combinações entre os dois métodos (Gordon et al., 1983).
40
2.4. FATORES QUE INFLUÊNCIAM A COR DO OCEANO
Tradicionalmente, os componentes opticamente ativos da água, isto é, aqueles que
interagem com a radiação eletromagnética através de processos como absorção e
espalhamento, são classificados em três grandes categorias: matéria orgânica
dissolvida, partículas em suspensão e pigmentos fotossintéticos. Cada categoria afeta
em grau distinto as propriedades ópticas da água e, consequentemente, o sinal
captado pelos sensores. Além dos efeitos dos componentes, há, também, aquele
exercido pelas próprias moléculas de água (Mobley, 1994).
Nos próximos tópicos serão abordados, de forma geral, como cada um destes
componentes afeta individualmente as propriedades ópticas da água. Entretanto, deve
ser observado que as características ópticas de um corpo d’água é o resultado da
interação de todas as substâncias presentes na coluna d’água.
2.4.1. A ÁGUA E SEUS COMPONENTES
Água Pura
A água pura, isto é, sem a presença de compostos dissolvidos ou em suspensão,
apesar de parecer à primeira vista incolor, é, na realidade, um líquido azul. A cor
azulada deve-se à absorção seletiva da luz: fraca nas faixas do azul (0,4 a 0,5 μm) e
do verde (0,5 a 0,6 μm) e forte nos comprimentos de onda do vermelho (0,6 a 0,7 μm)
(Figura 2.4). Neste caso, os processos de absorção e espalhamento são controlados
apenas pela estrutura e arranjo das moléculas de água (Jerlov, 1968; Seibert,
1980;Kirk, 1986).
41
50
40
30
20
10
0
2
1,8
1,6
1,4
1.2
1
0,9
0,8
0,4
0,2
0
CO
EFIC
IEN
TE D
E AB
SO
RÇ
ÃO
(por
met
ro)
Comprimento de onda (nm)
CO
EFIC
IEN
TE D
E AB
SOR
ÇÃO
(por
met
ro)
1000900800700600500400300
Fig. 2.4 – Curva de absorção para água pura. FONTE: Robinson (1985, p.158)
Matéria Orgânica Dissolvida (MOD)
A matéria orgânica dissolvida, também conhecida como substância amarela, húmica,
gelbstoff ou gilvin é o resultado da decomposição microbiana de organismos mortos e
produtos da excreção de organismos vivos (Kirk, 1986). A presença de matéria
orgânica afeta, principalmente, a absorção nos comprimentos de ondas curtos (Figura
2.5), podendo ser, em áreas costeiras, um dos principais atenuadores da radiação na
faixa do azul (Robinson, 1985).
42
COMPRIMENTO DE ONDA (nm)
Abs
orçã
o (m
)-1
400 7000
1
2
500 600
Fig. 2.5 – Curva de absorção de substâncias amarelas. FONTE: Robinson (1985, p. 160)
Partículas em Suspensão e Pigmentos Fotossintéticos
O material particulado é definido como a fração que fica retida quando se filtra uma
amostra de água em um filtro Milipore com diâmetro de 0,45. Normalmente, é o
principal determinante das propriedades de absorção e espalhamento de um corpo
d’água, sendo responsável, em grande parte, pela variabilidade espacial e temporal
daquelas propriedades. Em ambientes aquáticos, o material particulado pode ter duas
origens: física ou biológica (Seibert, 1980; Mobley, 1994).
O material particulado inorgânico (origem física) é constituído, geralmente, por areia
quartzosa fina, minerais de argila e óxidos metálicos. Afeta principalmente o
retroespalhamento e apresenta um espectro de absorção semelhante ao da matéria
orgânica (Seibert, 1980; Mobley, 1994).
Em relação às frações de origem biológica, de todas as partículas orgânicas a mais
importante do ponto de vista óptico é o fitoplâncton. O efeito do fitoplâncton sobre a
atenuação da luz se dá através do espalhamento e absorção. Os pigmentos
fotossintéticos, dos quais os mais conhecidos são as clorofilas a, b e c, absorvem luz
principalmente nas faixas do azul e vermelho como pode ser observado na tabela 2.1
43
(Yentsch, 1960). Além de seu papel como grande absorvedor, o fitoplâncton é,
também, um eficiente espalhador da radiação, especialmente via difração, visto que
seu tamanho é, geralmente, maior do que os comprimentos de onda da faixa do visível
(Seibert, 1980; Kirk, 1986; Robinson, 1985; Mobley, 1994).
TABELA 2.1 - PRINCIPAIS GRUPOS FITOPLANCTÔNICOS, PIGMENTOS CARACTERÍSTICOS E COMPRIMENTOS DE ONDA DE ABSORÇÃO
Grupo Pigmento Faixas de
comprimento de onda (nm)
Diatomáceas Cocolitoforídeos
Clorofila a, c β-caroteno, ficoxantina, diatoxantina
400 – 560 640 – 700
Dinoflagelados Peridina, Clorofila a,c
400 – 440 640 – 700
Cianobactérias Clorofila a, β-caroteno, ficocianina
400 – 480 600 – 700
Adaptada de Jeffrey et al. (1997,p. 20-21)
Em resumo, pode-se dizer que os pigmentos fotossintéticos e a MOD são os
principais absorvedores da radiação sendo o material particulado inorgânico o principal
retroespalhador (Sturm, 1980).
Uma das formas de classificar corpos d’água em função de suas propriedades ópticas
é através dos modelos bio-ópticos, dos quais os mais importantes são os propostos
por Jerlov (1968) e por Morel e Prieur (1977) de acordo com Mobley (1994). O modelo
proposto por Jerlov define 8 tipos de águas marinhas: 1, 3, 5, 7 e 9 e I, II e III, que
representam, respectivamente, águas costeiras (algarismos arábicos) e oceânicas
(algarismos romanos) com graus de transmitância diferenciados. O modelo de Morel e
Prieur (1977) define apenas 2 tipos de água: “caso 1” e “caso 2”. Águas “caso 1” são
aquelas nas quais a concentração de pigmentos é bem maior que a concentração de
sedimentos inorgânicos ou MOD. Nestas águas a clorofila e outros pigmentos são os
principais atenuadores da luz. Águas “caso 2” são definidas como sendo todas as
demais, isto é, águas onde as partículas inorgânicas ou orgânicas dissolvidas
dominam o espectro de absorção, sendo a influência da concentração de pigmentos
44
de menor importância no coeficiente de absorção total. Assim, pode-se introduzir o
conceito de estado bio-óptico, que representa o efeito exercido pelos processos
biológicos nas propriedades físicas (ópticas) de corpos d´águas. Este conceito é
importante em sensoriamento remoto, pois é o estado bio-óptico que pode ser captado
pelos sensores (Smith e Baker, 1978).
2.4.2. A ATMOSFERA
Como mencionado anteriormente, a radiância emergente através da superfície do mar,
fração que contém informações sobre os componentes opticamente ativos, propaga-se
pela atmosfera antes de ser captada pelos sensores. A atmosfera atua de tal modo
sobre este fluxo de energia que somente uma pequena parcela da radiância captada
pelo sensor (Ls) é realmente proveniente da superfície, geralmente menor que 10 %
(Wang, 1999) (Figura 2.6).
Para se obter o fluxo emergente (trajetórias C e E na figura 2.6) e poder inferir a
concentração dos componentes é necessário remover a fração devido à atmosfera
(trajetórias A, B, D e F na mesma figura). Aqui, considera-se como fração devido à
atmosfera o fluxo de energia que chega ao sensor sem ter interagido com a camada
superficial dos oceanos, incluindo assim a parcela devido ao glitter solar (trajetória B).
Glitter solar é a reflexão especular direta dos raios solares na superfície do mar
(Barale, 1991). Geralmente, tal parcela é minimizada através da geometria de visada
do sensor (Kirk, 1986)
45
FONTE DE ENERGIAELETROMAGNÉTICA (L )
T
SATÉLITEA
A - B - Radiância devido à reflexão especular direta na superfície do mar ( );
C -
D - Radiância refletida pela atmosfera;
E - Radiância emergente na superfície do mar devido à absorção e espalhamento por outras substâncias presentes na água
F - Radiância espalhada pela atmosfera que alcança a superfície do mar e é refletida novamente, sem interagir com a camada superficial dos oceanos;
L - Energia solar;
L - Radiância captada pelo sensor: L = L + L , onde
L = Radiância devido à atmosfera (trajetórias a + b + d + f)
glitter solar
T
S S a t m w
a t m
Radiância espalhada pela atmosfera;
Radiância emergente na superfície do mar devido à absorção e espalhamento pelo fitoplâncton;
L = Radiância emergente na superfície do mar devido à interação com a camada superficial (trajetórias c +e)
w
Trajetórias:
camada superficial do oceano
Atmosfera
B
EF
FITOPLÂNCTON demais substâncias presentesna água
CD
Fig. 2.6 – Diagrama esquemático: sensoriamento remoto da cor do oceano. FONTE: Adaptada de Alfutis e Casey (1998)
A atenuação do fluxo de energia pela atmosfera deve-se aos processos de absorção e
espalhamento. Em sensoriamento remoto da cor do oceano, a atenuação deve-se,
principalmente, ao espalhamento, já que as bandas dos sensores não estão
localizadas em regiões de forte absorção por gases atmosféricos (Barale, 1991).
46
Os raios solares podem ser espalhados tanto pelas moléculas presentes na atmosfera
(gases) quanto pelos aerossóis. Os aerossóis são partículas pequenas, sólidas ou
líquidas, podendo ter origem continental ou marinha (Robinson, 1985).
O espalhamento pelas moléculas, também conhecido como espalhamento Rayleigh,
decresce rapidamente com o aumento do comprimento de onda, por um fator de
aproximadamente λ-4. O efeito do espalhamento por aerossóis também decresce com
o aumento do comprimento de onda, mas não tão rapidamente quanto o do
espalhamento Rayleigh (Robinson, 1985).
Assim, de forma geral, pode-se dizer que a magnitude do espalhamento é
inversamente proporcional ao comprimento de onda, isto é, comprimentos de onda
curtos são espalhados com maior intensidade do que comprimentos de ondas longos.
E, são justamente os comprimentos curtos, como o azul, que trazem as informações
sobre o fitoplâncton, já que esta é uma das regiões de absorção da clorofila. Além
disto, o espalhamento é dito um processo multiplicativo, ou seja, um fluxo espalhado
por uma partícula pode novamente ser espalhado por outra, fazendo com que a
modelagem matemática deste processo seja complexa (Robinson, 1985).
Em geral, a redução dos efeitos atmosféricos é feita utilizando medidas na região
espectral do vermelho, para o sensor CZCS, ou do infravermelho próximo, para o
SeaWiFS (Wang, 1999). Tal procedimento é viável porque a água absorve
praticamente toda a energia naquelas regiões do espectro, sendo possível assumir
que a radiância nestas faixas deve-se ao espalhamento atmosférico e não à interação
da REM com a camada superficial dos oceanos. No caso do CZCS, entretanto, a
suposição que a água absorve toda a energia na faixa do vermelho não é totalmente
válida, principalmente nas águas “caso 2” pois há agentes retroespalhadores
presentes na própria água, como os sedimentos em suspensão, que atuam na faixa do
vermelho (Barale, 1991).
47
2.5. PRINCIPAIS MISSÕES DA COR DO OCEANO: CZCS E SeaWiFS
MISSÃO CZCS
O principal objetivo da missão CZCS foi determinar se sensores remotos que
coletassem a radiância no visível poderiam ser utilizados para monitorar substâncias
dissolvidas ou em suspensão na água, como por exemplo os pigmentos fotossintéticos
(Gordon et al., 1983; CZCS, 1997).
O sensor CZCS foi lançado, em caráter experimental, a bordo do satélite
meteorológico NIMBUS-7 e esteve em operação entre novembro de 1978 e junho de
1986. Cada passagem do CZCS cobria uma área de, aproximadamente, 2 milhões de
quilômetros quadrados, com resolução espacial, tamanho do pixel no nadir, de 825
metros (IFOV de 0,0496°) (Figura 2.7).
Largura da faixa
imageada = 1566 Km
altitude = 955 km
trajetória do satélite
Resoluçãoespacial = 0,825 Km
IFOV = 0,0496o
FOV=78,68o
(c) ESQUEMA DE IMAGEAMENTO(b) SENSOR CZCS
(a) SATÉLITE NIMBUS-7
Fig. 2.7 - (a) Satélite NIMBUS-7, (b) sensor CZCS e (c) esquema de imageamento. FONTE: Adaptada de SeaWiFS (1999)
48
O CZCS era um radiômetro multiespectral de varredura mecânica que coletava dados
co-registrados e calibrados internamente em seis bandas: quatro no visível [443 - 453
nm (azul); 510 - 530 nm (verde); 540 - 560 nm (amarelo) e 660 - 680 nm (vermelho)],
uma no infravermelho próximo (700 - 800 nm) e uma no infravermelho termal (10,5 –
12,5 μm), que falhou ainda no primeiro ano da missão (Figura 2.8). Além deste
problema, em 1981 foi diagnosticada a degradação da sensibilidade radiométrica no
visível, principalmente na banda do azul, e que persistiu até o final das operações em
1986 (Feldman et al., 1989; Evans e Gordon, 1994).
Vapor dágua
Água
400 450 500 550 650
Comprimento de onda (nm)
0
banda 1 banda 2 banda 3 banda 4
Abso
rção
0,5
1
Irradiância extraterrestre média
Oxigênio
Fluorescência Clorofila
Substâncias Amarelas
Ficoeritrina
Diatomáceas
Clorofitas
600 700
Fig. 2.8 – Absorção dos principais componentes opticamente ativos da água em relação as bandas do sensor CZCS. FONTE: Adaptada de Hocker et al. (1992)
Tendo em vista que a radiância emergente dos oceanos sofre grande interferência da
energia retroespalhada na atmosfera e da reflexão solar (“glitter”), o sensor foi
projetado com: alta sensibilidade radiométrica; alta relação sinal/ruído; oscilação do
sistema óptico que podia variar de –20o a 20° em incrementos de 2o; e ganho variável,
de um a quatro, no amplificador. Tanto os valores de ganho quanto a oscilação do
sistema óptico eram ajustados de acordo com o ângulo de elevação solar na cena
imageada e sua configuração transmitida com as imagens (Hoovis et al., 1980; Gordon
49
e Morel, 1983; Gordon et al. 1983; Robinson, 1985). As principais características do
satélite e do sensor encontram-se descritas na tabela 2.2.
TABELA 2.2 - PRINCIPAIS CARACTERÍSTICAS DO SENSOR CZCS E DO SATÉLITE NIMBUS-7
SATÉLITE NIMBUS-7 Data de Lançamento: 24 de outubro de 1978
Término: 2 de junho de 1986 Orbita: Circular, polar, síncrona com o sol
Altitude nominal: 955 Km Inclinação: 104,9°
Cruzamento com o equador: 12:00 h (ascendente ) Sensor CZCS (Coastal Zone Color Scanner)
Bandas λ (nm) Propriedades SR2 1 443 – 453 Absorção pela Clorofila 150 2 510 – 530 Correlação com a Clorofila 140 3 540 – 560 Substância amarela, Sedimentos 125 4 660 – 680 Absorção pela Clorofila 100 5 700 – 800 Identificação da linha de costa/nuvens 100 6 10,5 – 12,5 (μm) Temperatura da Superfície do Mar N/D3
Cobertura Global Repetição 6 dias (ou 83 órbitas)
Largura da Faixa Imageada 1566 Km (FOV =78,68o) Resolução Espacial 825 m (nadir) (IFOV=0,0495o) Digitalização 8 bits (256 NC) Oscilação do sistema óptico +/- 20o (em incrementos de 2o)
Adaptado de UNESCO (1986, p. 40) e Esaias et al. (1998, p.1253)
1 Unidade de Radiância = mW/(cm2.sr.μm) 2 Relação sinal/ruído 3 N/D = Não disponível
Atualmente, os dados CZCS encontram-se arquivados e disponíveis no Goddard
Space Flight Center Distributed Active Archive Center (Goddard DAAC) na URL
http://seawifs.gsfc.nasa.gov/SEAWIFS (Figura 2.9). Incluem 5 produtos: nível 1, nível
1a, nível 2 e nível 3 (Tabela 2.3).
50
ano
núm
ero
de im
agen
s
1979 1980 1981 1982 1983 1984 1985 198619780
500
1000
1500
Fig. 2.9 – Distribuição Temporal das Imagens CZCS. FONTE: SeaWiFS (1999)
TABELA 2.3 - INFORMAÇÕES SOBRE PRODUTOS CZCS
Nível Parâmetros Unidades Resolução 1 Radiância calibrada MW/(cm2.sr.μm) 1 km X 1 km
1a Radiância calibrada MW/(cm2.sr.μm) 4 km X 4 km
2
Concentração de pigmentos Coeficiente de atenuação difusa Radiância ascendente na superfície do
mar normalizada @ 443 nm Radiância ascendente na superfície do
mar normalizada @ 520 nm Radiância ascendente na superfície do
mar normalizada @ 550 nm Radiância do Aerossol @ 670 nm
mg/m3
----
mW/(cm2.s r.μm)
mW/(cm2.sr. μm)
mW/(cm2.sr. μm) mW/(cm2.sr. μm)
4 km X 4 km 4 km X 4 km
4 km X 4 km
4 km X 4 km
4 km X 4 km 4 km X 4 km
3 Os mesmos do nível 2 ~ 18,5 Km no
equador
Adaptada de CZCS (1997)
51
MISSÃO SeaWiFS
A missão SeaWiFS faz parte da “Missão ao Planeta Terra” (MPE), gerenciada pela
NASA, e foi concebida para examinar os fatores biogeoquímicos que afetam as
mudanças climáticas globais (McClain et al., 1995). Dentre os objetivos determinados
pelos coordenadores do programa SeaWiFS, os mais importantes, do ponto de vista
científico, são: determinar a distribuição, temporal e espacial, de florações
fitoplanctônicas e da produtividade primária marinha ao nível global; quantificar o
papel exercido pelos oceanos no ciclo global do carbono bem como em outros ciclos
biogeoquímicos, e identificar e quantificar as relações entre a física oceânica e a
distribuição espacial da produtividade (Hocker et al., 1992).
O satélite SEASTAR, lançado em primeiro de agosto de 1997 pelo veículo Pegasus,
carrega a bordo o sensor SeaWiFS, e foi colocado em uma órbita hélio-sincrona,
quase polar, descendente, com cruzamento equatorial, aproximadamente, ao meio dia
local (SeaWiFS, 1999).
O sensor SeaWiFS é composto de um scanner óptico e de um módulo eletrônico
(Figura 2.10). Possui oito bandas espectrais: seis no visível (402 - 422 nm; 433 - 453
nm; 480 – 500 nm; 500 – 520 nm; 545 - 565 nm; 660 - 680 nm) e duas no
infravermelho próximo (745 - 785 nm; 845 – 885 nm). Os seis primeiros canais foram
escolhidos por serem bandas de influência dos componentes opticamente ativos
d’água, e o quinto e o sexto, utilizado para a distinção terra/água e para a correção
atmosférica (Figura 2.11).
O SeaWiFS, ao contrário do CZCS, que foi experimental, é um sensor operacional e
traz melhorias em relação ao primeiro, como: maior resolução espectral (8 bandas) o
que possibilita uma correção atmosférica mais acurada e melhores estimativas da
concentração de pigmentos, principalmente nas áreas costeiras; maior resolução
radiométrica com 1024 níveis de cinza; maior relação sinal/ruído entre 442 e 667;
melhor calibração radiométrica, gerando estabilidade na sensibilidade do sensor,
condição necessária quando se lida com radiâncias tão baixas como a dos oceanos e
imageamento contínuo, o que resulta em maior número de imagens, possibilitando
52
melhor monitoramento das condições ambientais (Evans e Gordon, 1994; Ackein et
al., 1995; Esaias et al., 1998).
(a) (b)
Fig. 2.10 - (a) Satélite SEASTAR e (b) sensor SeaWiFS. FONTE: SeaWiFS (1999)
Vapor dágua
Água
400 450 500 550 650
Comprimento de onda (nm)
0
banda 1 banda 2 banda 3 banda 4 banda 5 banda 6
Abs
orçã
o
0,5
1
Irradiância extraterrestre média
Oxigênio
Fluorescência Clorofila
Substâncias Amarelas
Ficoeritrina
Diatomáceas
Clorofitas
600 700
Fig. 2.11 - Absorção dos principais componentes opticamente ativos da água em relação as bandas do sensor SeaWiFS. FONTE: Hocker et al. (1992)
53
Assim como o CZCS, para minimizar os problemas devido ao efeito do glitter solar, o
sistema óptico do sensor SeaWiFS pode ser posicionado em –20o, 0 e + 20° em
relação ao nadir (Hocker et al., 1992). Em condições normais, isto é, sem inclinação
do sistema óptico, a faixa imageada pelo sensor tem 2 801 Km de largura, cobrindo,
assim, uma área de aproximadamente 2 milhões de quilômetros quadrados em cada
cena. O sensor possui FOV de cerca de +/- 58,3°, o que, a uma altura nominal de 705
Km, determina uma resolução espacial de cerca de 1,1 Km (IFOV de 1,6 mrads).
As imagens SeaWiFS são digitalizadas em 10 bits (1024 níveis de cinza) e
transmitidas para as estações de recebimento terrestres numa taxa de 665 kbps-1, em
tempo real, ou gravadas a bordo quando o satélite está fora das áreas de cobertura
das estações. As características principais do satélite e do sensor encontram-se na
tabela 2.4.
Atualmente, as imagens SeaWiFS estão disponíveis em 3 níveis: nível 1, em modo de
cobertura local (LAC) ou de cobertura global (GAC); o nível 2, em resolução GAC ou
LAC, inclui os dados processados de: concentração de pigmentos e clorofila-a;
coeficiente de atenuação difusa em 490 nm; radiância normalizada emergente na
superfície do mar; radiância devido aos efeitos dos aerossóis atmosféricos; e o nível 3,
composto dos mesmos parâmetros do nível 2, mas dispostos em uma grade global,
com resolução de aproximadamente 9 Km, além das estatísticas associadas às
médias que podem variar de diária a anual (SeaWiFS, 1999).
54
TABELA 2.4 – CARACTERÍSTICAS PRINCIPAIS DO SATÉLITE SEASTAR E DO
SENSOR SeaWiFS
SATÉLITE SEASTAR Data de Lançamento: 1o de agosto de 1997
Orbita: Circular, polar, síncrona com o sol altitude nominal: 705 Km
Inclinação: 98, 217° Cruzamento com o equador: 12 :05 h (órbita descendente)
Carga Útil: Sensor SeaWiFS SeaWiFS (Sea-viewing Wide Field-of-view Sensor)
Bandas λ (nm) Radiância de Saturação 1
Radiância de Entrada1 SR2
1 402 – 422 13,63 9,10 499 2 433 – 453 13,25 8,41 674 3 480 – 500 10,50 6,56 667 4 500 – 520 9,08 5,64 640 5 545 – 565 7,44 4,57 596 6 660 – 680 4,20 2,46 442 7 745 – 785 3,00 1,61 455 8 845 – 885 2,13 1,09 467
Cobertura Global Repetição 2 dias
Largura da Faixa Imageada/FOV
2,801 Km / 58,3 ° (LAC) 1,502 Km/ 45,0 ° (GAC)
Resolução Espacial 1,13 Km (LAC) 4,5 Km (GAC)
Digitalização 10 bits (1024 NC) Oscilação do sistema
óptico + 20°, 0°, - 20°
Produtos Local Area Coverage (LAC) Global Area Coverage (GAC)
Adaptada de SeaWiFS (1999)
1 unidade = mW/(cm2.sr.μm) 2 Relação sinal/ruído
55
2.6. LIMITAÇÕES E PERPECTIVAS FUTURAS
Apesar do sensoriamento remoto da cor do oceano ser uma técnica totalmente
operacional, o que representa uma capacidade sem precedentes para analisar a
variabilidade espacial e temporal da biomassa fitoplanctônica na camada superficial
dos oceanos, ainda não é possível obter estimativas acuradas da produtividade
primária a partir destes dados. Behrenfeld et al. (1994) e Abbott et al. (1994) fazem
uma ampla discussão sobre os vários aspectos desta limitação. Segundo os autores,
os problemas vão desde a falta de definição dos termos envolvidos, como
produtividade, até a formulação dos modelos empregados. Os aspectos mais
relevantes de sua discussão foram:
O termo “produtividade primária” não tem uma definição única, varia em
função dos objetivos do estudo (fisiologia, biogeoquímica, ecologia etc.) e
com as escalas espacial e temporal;
A radiância emergente na superfície do mar na região do visível não é
determinada apenas pela clorofila-a. Há uma série de outros componentes
que a influenciam: outros pigmentos fotossintéticos, a água pura, a MOD e
partículas em suspensão. Além disto, há ainda a interferência da atmosfera
que contribui com mais de 90% da radiância coletada pelo sensor;
A biomassa, medida como concentração de clorofila-a refere-se à quantidade
de carbono fixado ou matéria orgânica produzida enquanto produtividade é
uma taxa de variação. Além disto, a biomassa não é o único determinante da
produtividade primária que varia de acordo com as espécies, com as
condições fisiológicas dos organismos e com os parâmetros ambientais.
As medidas de produtividade in situ, as chamadas “verdades do mar”, que
são utilizadas para validar e avaliar os algoritmos, não são calibradas,
variando em até 300% em função da técnica empregada;
Não há uma padronização dos algoritmos, que podem variar desde modelos
empíricos simples até modelos analíticos complexos. Como são sensíveis à
56
parametrização, para um mesmo conjunto de dados os vários modelos dão
resultados totalmente diferentes.
Atualmente, com o lançamento do SeaWiFS, vários dos problemas anteriormente
citados vem sendo minimizados, como definição dos termos, das técnicas de coleta,
das medidas que são utilizadas como “verdades do mar”, melhor correção atmosférica
e desenvolvimento de algoritmos globais (SeaWiFS, 1999). Espera-se que, com o
avanço das pesquisas, dentro em breve seja possível estimar com acurácia a
produtividade primária marinha, fator indispensável aos estudos sobre mudanças
climáticas.
57
CAPÍTULO 3
PROCESSOS FÍSICOS NO ATLÂNTICO TROPICAL
A dinâmica superficial dos oceanos tropicais, na escala sazonal, é regida,
principalmente, pelo forçamento devido ao cisalhamento dos ventos alíseos.
De modo geral, os oceanos tropicais apresentam um sistema de fortes correntes,
áreas de ressurgência e subsidência. A característica única de tais oceanos é o fato
que o parâmetro de Coriolis (2Ωsenθ, onde Ω é a velocidade angular de rotação da
Terra e θ é a latitude) é nulo no equador, resultando em uma resposta rápida e intensa
do oceano ao forçamento pelo vento (Vinogradov, 1981; Brown et al., 1989; Philander,
1990).
3.1. CARACTERÍSTICAS GERAIS
Na figura 3.1 encontra-se esquematizado o padrão geral da circulação de superfície
dos oceanos tropicais, a direção predominante dos ventos e o transporte médio das
águas superficiais, o chamado transporte de Ekman.
20 N
10 N
0
10 S
20 S
Correntes Transporte Ventos
correntenorte equatorial
contra-correntenorte equatorial
correntesul equatorial
convergência
divergência
divergênciaequatorial
- - - - - - -
- - - - - - -
Ventos Alíseos NE
Ventos Alíseos SE
- - - - - - -
contra-correntesul equatorial
Fig. 3.1 – Relação entre direção do vento, correntes superficiais e transporte de Ekman nas latitudes tropicais. FONTE: Brown et al. (1989, p. 123)
58
Os ventos alíseos sopram de nordeste (NE) no hemisfério norte e de sudeste (SE) no
hemisfério sul, sendo que os de sudeste atravessam o equador, em virtude da Zona
de Convergência Intertropical (ZCIT) se situar no hemisfério norte. A ZCIT caracteriza-
se por ventos fracos, os chamados “Doldrums”, nuvens convectivas e TSM elevada,
marcando o chamado equador termal (Cane, 1987; Brown et al.,1989).
O padrão de distribuição de ventos descrito anteriormente associado ao transporte de
Ekman (que é à direita do vento no hemisfério norte e à esquerda no hemisfério sul)
induz a divergência das águas superficiais ao longo da faixa equatorial e a
convergência próximo à latitude de 4o N. Esta zona de convergência em 4oN forma-se
pelo encontro das águas transportadas por influência dos alíseos de SE com as águas
da ZCIT (Brown et al., 1989).
Em conseqüência à divergência equatorial, as águas subsuperficiais alcançam a
superfície naquela região, caracterizando o evento de ressurgência. Nos oceanos
tropicais, a ressurgência é um dos processos físicos mais importantes, responsável
por grande parte do suprimento de nutrientes na camada superficial (Brown et al.,
1989).
Duas outras características importantes sobre os oceanos tropicais podem ser
observadas na figura 3.1. A primeira é que o sistema de correntes superficiais não é
simetricamente disposto em relação ao equador mas, na realidade, deslocado para
norte, pelo maior volume de terras naquele hemisfério. E, a segunda, é que há um
fluxo superficial contínuo de leste para oeste, que é compensado pelas contra-
correntes responsáveis pelo transporte de massa no sentido oposto (Brown et al.,
1989).
Em conseqüência ao fluxo contínuo para oeste, a camada de mistura naquele lado é
mais profunda que no lado leste da bacia (Figura 3.2). Tal fato tem importante
influência sobre as características químicas das águas que ressurgem no equador. No
lado leste, como a termoclina está mais próxima à superfície, as águas ressurgidas
tendem a ser mais ricas em nutrientes do que no oeste. Isto porque, no leste, as águas
ressurgidas originam-se abaixo da camada de mistura, ao passo que, no oeste, onde a
camada de mistura e a termoclina são mais profundas, parte da água ressurgida vem
da própria camada de mistura e, assim, pobre em nutrientes (Vinogradov, 1981; Mann
e Lazier, 1996).
59
camada de mistura
termoclina
Contra-correnteabaixo da influência
do vento
Fig. 3.2.- Seção esquemática leste-oeste no oceano equatorial. FONTE: Brown et al. (1989, p. 126)
3.2. RESSURGÊNCIA
As variações de intensidade da ressurgência são determinadas pela divergência dos
fluxos horizontais de água. Este aspecto da circulação tem uma relação direta com a
velocidade vertical média (we) medida na base da camada de mistura. Tal velocidade
é uma das variáveis mais importantes indicadora de ressurgência e, apesar de não ser
mensurável in situ é possível estimar localmente sua magnitude por formulações
simples. Estes processos locais (efeitos na área em que atuam diretamente) serão
estudados com maior detalhe nos próximos capítulos e constituem-se no chamado:
Bombeamento ou Sucção de Ekman - para o oceano longe de áreas costeiras
e do equador depende do rotacional do campo de cisalhamento do vento;
Divergência Costeira - depende do componente do cisalhamento paralelo à
costa;
Divergência Equatorial - depende do componente zonal do cisalhamento.
60
Na área tropical, além dos processos locais citados anteriormente, as variações de
intensidade da ressurgência são, também, determinadas pelos efeitos remotos ou
“não-locais”. Assim como os processos locais, os efeitos remotos são forçados pela
variabilidade espacial e temporal do cisalhamento dos ventos alíseos (Vinogradov,
1981; Brown et al., 1989; Mann e Lazier, 1996). Este é o caso do processo do tipo “El
Niño” que ocorre no Atlântico Tropical.
Neste processo, variações temporais do cisalhamento no lado oeste da bacia excitam
ondas de Kelvin equatoriais baroclínicas. Essas se propagam para leste, refletem na
costa do Golfo da Guiné como ondas de Rossby, e se superpõem em um padrão de
interferência que torna-se responsável por boa parte da variância dos parâmetros
oceanográficos da região. Esta interferência modifica o ciclo sazonal da profundidade
da termoclina e afeta, inclusive, o ciclo sazonal da ressurgência/subsidência devido
aos processos locais (Weisberg e Tang, 1987; Philander, 1990; Weisberg e Tang,
1990; Monger et al., 1997; Servain et al., 1998). Pelo fato do Atlântico, em oposição ao
Pacífico, ser um oceano estreito em relação aos comprimentos das ondas equatoriais,
estes padrões de interferência são importantes, não somente no leste, mas também
no oeste da bacia (Holvorcem e Vianna, 1992).
3.3. CIRCULAÇÃO
Nas figuras 3.3 e 3.4 encontram-se mapas das principais correntes no Atlântico
Tropical em superfície entre 0 e 100 metros, e em subsuperfície (100 e 500 metros).
61
20 S
20 N
10 S
0
10 N
70 W 50 W 30 W 10 E10 W200 m
200 m
CCNE
DG
R
R
R
R
CNE
CG
CSEN
CESS
CSEECSESS
CSEC
CCSE
CSES
CB
CNB
DA
GA
FAB
CA
CGCSS
(A)
20 S
20 N
10 S
0
10 N
70 W 50 W 30 W 10 E10 W
200 m
200 m
CCNE
DG
R
R
R
CNE
CG
CSENCESS
CSEC
CCSE
CSES
CB
CNB
GA
FAB
(B)
Fig. 3.3 – Diagramas esquemáticos mostrando a distribuição das principais correntes
na camada superficial (entre 0 e 100 m) no Atlântico Tropical: (a) situação típica de outono/HS (março, abril e maio). (b) situação típica de primavera/HS (setembro, outubro e novembro). FONTE: Stramma e Schott (1999, p. 289)
62
ABREVIATURAS FIGURA 3.3
CA - Corrente de Angola; CB - Corrente do Brasil; CCNE - Contra-corrente Norte Equatorial; CCSE - Contra-corrente Sul Equatorial; CESS - Corrente Equatorial Subsuperficial; CG - Corrente da Guiné; CGCSS - Corrente do Gabão-Congo Subsuperficial; CNB - Corrente Norte do Brasil; CNE - Corrente Norte Equatorial; CSEC - Corrente Sul Equatorial ramo central; CSEE - Corrente Sul Equatorial ramo equatorial; CSEN - Corrente Sul Equatorial ramo norte; CSES - Corrente Sul Equatorial ramo sul; CSESS - Corrente Sul Equatorial Subsuperficial; DA - Domo de Angola; DG - Domo da Guiné; FAB - Frente Angola-Benguela; GA - Giro da Guiné; R - Áreas de provável ressurgência.
20 S
20 N
10 S
0
10 N
70 W 50 W 30 W 10 E10 W
200 m
200 mDG
R
R
R
CNE
CSENCESS
CSEECSESS
CSES
CCSE
CB
GA
CNBSSCSEC
CGCSS
CNESS
CGGSS
Fig. 3.4 – Diagramas esquemáticos mostrando a distribuição das principais correntes
na camada subsuperficial (entre 100 e 500 m) no Atlântico Tropical. FONTE: Stramma e Schott (1999, p. 292)
ABREVIATURAS FIGURA 3.4
CB - Corrente do Brasil; CCSE - Contra-corrente Sul Equatorial; CESS - Corrente Equatorial Subsuperficial; CGCSS - Corrente do Gabão-Congo Subsuperficial; CGGSS - Corrente das Guianas Subsuperficial; CNBSS - Corrente Norte do Brasil Subssuperfical; CNE - Corrente Norte Equatorial; CNESS - Corrente Norte Equatorial Subsuperficial; CSEC - Corrente Sul Equatorial ramo central; CSEE - Corrente Sul Equatorial ramo equatorial; CSEN - Corrente Sul Equatorial ramo norte; CSES -
63
Corrente Sul Equatorial ramo sul; CSESS - Corrente Sul Equatorial Subsuperficial; DA - Domo de Angola; DG - Domo da Guiné; FAB - Frente Angola-Benguela; GA - Giro da Guiné; R - Áreas de provável ressurgência.
De forma simplificada, a circulação superficial do Atlântico Tropical é formada pelas
seguintes correntes (Richardson e Walsh, 1986; Pickard e Emery, 1995) :
Corrente norte equatorial (CNE), fluindo para oeste, a norte de 10o N, com
velocidade média de 10-15 cm/s;
Contra-corrente norte equatorial (CCNE), fluindo para leste entre 8o N e 3o N;
Corrente sul equatorial (CSE) fluindo para oeste a sul de 3oN.
Atualmente, a CSE por apresentar uma estrutura muito complexa é subdividida em 3
ramos distintos: um mais ao norte (corrente sul equatorial ramo norte - CSEN), um
central (corrente sul equatorial ramo central - CESC) e um ao sul (corrente sul
equatorial ramo sul - CSES) (Stramma e Schott, 1999). Tais ramos são separados,
respectivamente, pela corrente sul equatorial subsuperficial (CSESS) que flui entre 3o
S e 5o S e pela contra-corrente sul equatorial (CCSE) que flui para leste entre 7o S e 9o
S. Stramma (1991) já indicava isto claramente; ver também Silveira et al. (1994).
Próximo à costa do Brasil, a sul de 10o S, a CSES ramifica-se formando a corrente do
Brasil (CB) que flui para sul com velocidade média de 10-15 cm/s e a corrente norte do
Brasil (CNB) que cruza o equador e acelera, alcançando em 2o N a velocidade de 81
cm/s. Nesta localidade, 2o N, a CNB une-se à CSEN, fluindo próximo à costa na
direção norte (Richardson e Walsh, 1986; Stramma,1991). Devido à complexa
estrutura da CSE no lado oeste da bacia atlântica, a localização exata da origem da
CNB não é bem definida (Silveira et al., 1994).
Durante a segunda metade do ano, tipicamente de julho a setembro, a CNB divide-se
próximo a 8o N-50o W: uma parte continua para norte próximo à costa, primeiro como
corrente das Guianas (CGG) e depois como corrente do Caribe (CC); outra parte
inflete-se para fora da costa, alimentando a CCNE (Richardson e Walsh, 1986; Silveira
et al., 1994). Este processo é conhecido como a retroflexão da CNB. Segundo Johns
et al. (1990), a separação da CNB é um processo fortemente estratificado, isto é, a
camada superficial da CNB alimenta a CCNE; a camada da termoclina alimenta a
corrente equatorial subsuperficial (CESS); e camada sub-termoclina, que é
64
permanentemente retro-refletida entre 3o N e 5o N, alimenta a corrente norte equatorial
subsuperficial (CNESS).
A CESS, também conhecida como corrente de Lomnosov, em homenagem ao
primeiro navio que a observou, flui para leste, entre 50 e 300 metros de profundidade,
a uma velocidade média de cerca de 100-110 cm/s. Próximo ao continente africano,
alcança a superfície durante o evento de ressugência equatorial (Vinogradov, 1981;
Brown et al., 1989; Höll et al., 1999).
Esta estrutura complexa de correntes que ocorrem no Atlântico Tropical ainda é motivo
de debate quanto à sua gênese. Estudos teóricos têm sugerido o caráter inercial da
CESS, colocando-a como uma parte de uma célula tri-dimensional de circulação
(circulação zonal, meridional e vertical) unindo o trópico ao subtrópico (Pedlosky,
1996). Outras teorias incluem os efeitos forçados pelos fluxos de calor à superfície,
com subsidência das águas no subtrópico/oeste da bacia, devido ao aumento da
densidade causada pela evaporação, e ressurgência no equador e mais a leste,
devida à divergência de Ekman, causando uma célula meridional/vertical de circulação
(McCreary e Lu, 1994). Seus ingredientes incluem uma mesma massa de água mais
salina (37 psu), o transporte geostrófico de água da termoclina no sentido do equador,
o gradiente equatorial zonal de pressão que causa um elevação do seu núcleo no
sentido de leste, e um transporte de Ekman no sentido do Polo Sul.
No momento, para a quantificação e modelagem correta dos processos descritos
anteriormente, é necessário obter uma base de dados mais completa e adequada, o
que vem sendo realizado na parte de variáveis físicas pelo Projeto Pilot Research
Moored Array in the Tropical Atlantic (PIRATA). Este projeto, iniciado no final de 1997,
faz parte de um esforço multinacional, envolvendo o Brasil, a França e os Estados
Unidos para monitorar a variabilidade oceanográfica e meteorológica do Atlântico
Tropical (Servain et al.,1998).
65
CAPÍTULO 4
BASES DE DADOS UTILIZADAS
A primeira base de dados a ser adquirida para a realização do trabalho foram as
imagens da cor do oceano. Neste caso, optou-se por aquelas coletadas pelo sensor
CZCS que se encontram disponíveis na URL http://podaac.jpl.nasa.gov, em CD-ROM.
A opção pela base de dados CZCS deve-se, principalmente, a dois fatos. O primeiro e,
talvez, o mais importante, é que quando o presente trabalho teve início as imagens do
sensor SeaWiFs ainda estavam em fase de avaliação quanto a sua qualidade (volume
de dados, qualidade radiométrica, acurácia no procedimento de georreferenciamento
etc.), já que o sensor havia sido colocado em órbita há pouco tempo (McCLain et al.,
1998). O segundo, é que as imagens CZCS são mais adequadas aos objetivos do
estudo, pois já encontravam-se processadas e formavam uma série temporal.
De posse das imagens CZCS, buscou-se obter os dados de TSM e de ventos
“compatíveis” com as imagens. Aqui, o termo compatível refere-se a dados coletados
na mesma época, com a mesma resolução temporal e espacial. Esta compatibilidade
é necessária para permitir análises e comparações entre os dados.
A melhor resolução espacial disponível para os dados de TSM e ventos, equivalente
às imagens CZCS, foi de um grau. Para os dados de vento, a base adquirida foi a do
Comprehensive Ocean-Atmosphere Data Set (COADS). Quanto aos dados de TSM,
além do COADS havia outra base com característica semelhante: Global Ocean
Surface Temperature Atlas (GOSTAPlus). Ambas foram adquiridas para a realização
do trabalho. Os dados GOSTAPlus encontram-se disponíveis na URL
http://podaac.jpl.nasa.gov em CD-ROM e o COADS para “file transfer protocol” (FTP)
na URL:ftp://ftp.cdc.noaa.gov.
Após os dados terem sido adquiridos, a fase posterior consistiu em analisá-los. Nesta
fase, constatou-se que a base COADS, tanto de TSM quanto de ventos, no Atlântico
Tropical, apresentava extensas regiões sem dados. Tal fato prejudicava a
continuidade do trabalho, já que não se poderia estudar a variabilidade do campo de
ventos, peça chave para a compreensão da dinâmica dos oceanos tropicais. Para
minimizar o problema, uma nova base foi adquirida: a do European Centre for
Medium-Range Weather Forecasts (ECMWF). Estes novos dados apresentam
66
resolução espacial mais degradada que os do COADS (2,5o versus 1o), mas tem a
vantagem de não apresentar “buracos”, isto é, regiões sem dados.
4.1. IMAGENS DA COR DO OCEANO
As imagens da cor do oceano adquiridas para o presente estudo são derivadas das
imagens coletadas pelo sensor CZCS no período entre 1978 e 1986, e disponíveis no
CD-ROM distribuído pelo Physical Oceanography Distributed Active Archive Center
(PODAAC/NASA). Tais imagens são o resultado do chamado “esforço de
processamento global” conduzido pelo Goddard Space Flight Center (GSFC/NASA)
em cooperação com o Rosenstiel School of Marine and Atmospheric Science
(RSMAS/Universidade de Miami).
Deve ficar claro aqui que as imagens adquiridas correspondem à concentração de
pigmentos, em mg/m3, pertencendo ao chamado nível 3. O nível 3 é composto por
imagens mensais do período compreendido entre novembro de 1978 e junho de 1986.
Estas imagens são dispostas em grades globais com resolução nominal de 18 km.
Segundo Feldman et al. (1989), os passos envolvidos no processamento para o nível
3 são (Figura 4.1):
Conversão dos números digitais para radiância, cujos procedimentos incluem
calibração e correção da degradação radiométrica do sensor;
Correção atmosférica através do algoritmo proposto por Gordon et al. (1988);
Estimativa da concentração de pigmentos através do algoritmo padrão da
NASA denominado “algoritmo de dois canais”. Por este algoritmo, a
concentração de pigmentos (clorofila-a + feopigmentos) é estimada como
proporcional à razão das bandas 1 e 3 (azul/verde) nas áreas com baixa
concentração de pigmentos, e nas regiões com alta concentração de
pigmentos, como proporcional à razão das bandas 2 e 3 (Madruga et al.,1997);
Georreferenciamento;
Geração de imagens média diária;
Formação de imagens globais através do mosaico das imagens diárias e
reamostragem do “pixel” para a resolução nominal de 18 Km;
67
Geração das imagens mensais através do cálculo da média aritmética das
imagens globais diárias. Tal procedimento é realizado somente para “pixels”
válidos. “Pixels” válidos são aqueles que foram aprovados no controle de
qualidade. O controle de qualidade das imagens foi um processo interativo e
realizado em todas as etapas do processamento. Para maior detalhe sobre os
critérios de qualidade adotados pelos coordenadores do programa CZCS
consulte Feldman et al. (1989).
Fig. 4.1- Diagrama: Sistema de processamento de dados CZCS. FONTE: Feldman et al. (1989, p.636)
No CD-ROM CZCS/PODAAC além das imagens mensais na resolução de 18 Km, que
correspondem ao padrão do nível 3, há dois outros produtos disponíveis: imagens com
resolução de 1o, que equivale a aproximadamente 108 Km, e imagens climatológicas
na resolução de 18 Km. A imagem com resolução de 1o nada mais é que uma
reamostragem da imagem 18 Km a cada 6 “pixels”. As imagens climatológicas são
médias mensais de todo o “período de vida” do CZCS, isto é, médias aritméticas de
todos os meses de janeiro, fevereiro e assim por diante.
DADOS BRUTOS
PROCESSAMENTO
CONTROLE DE QUALIDADE
INTERATIVO
RE-AMOSTRAGEM E MOSAICO
COMPOSIÇÃO GLOBAL
DIÁRIA
MENSAL
SAZONAL
ANUAL
DISTRIBUIÇÃO E ARQUIVO
Média
68
Deve ser observado que as imagens adquiridas, em um total de 196 (92 de médias
mensais em cada resolução (18 Km e 1o) e 12 de climatológicas na resolução de 18
Km), contém apenas dados válidos, ou seja, não interpolados. E, não há disponível, no
CD-ROM, as “estatísticas” associadas à geração destas imagens médias. Entenda-se
como “estatísticas” o número de observações e os desvios-padrões de cada medida.
Todas as imagens encontravam-se no formato Hierarquical Data Format (HDF).
O HDF, criado pelo National Center for Supercomputing Applications (NCSA), é um
formato dito científico, sendo escolhido como o formato padrão de todos os produtos
Earth Observing System (EOS).
O formato HDF permite que um mesmo arquivo contenha dados de vários tipos:
numéricos, simbólicos ou gráficos. Tem a vantagem de ser “transparente”, isto é,
independe da plataforma de acesso (micro-computadores e estações de trabalho), e,
ser auto-descritor, ou seja, o próprio arquivo HDF contém as informações sobre que
tipo de dados encontram-se armazenados (GOSTA, 1996).
Há vários modelos de dados HDF. As imagens CZCS encontram-se no modelo
denominado “8-bit raster image set” ou RIS8. Este modelo suporta três tipos de
objetos (dados): imagem de 8 bits (256 níveis de cinza); dados numéricos sobre a
dimensão da imagem (seus atributos) e uma paleta de cores (Figura 4.2). Cada
arquivo CZCS/HDF contem apenas uma imagem, cujas dimensões são: 2048 colunas
por 1024 linhas (para a resolução de 18 Km) e 360 colunas por 180 linhas (resolução
de 1o). Ambas dimensões eqüivalem, em coordenadas geográficas, à área delimitada
pelos paralelos 90o S e 90o N e pelos meridianos 0oE e 360oE (Feldman et al., 1989;
Tran et al., 1993).
69
Imagem 8 bits Níveis de Cinza Atributos Paleta de Cores
colunaslinhas
OBJETOS ARQUIVO HDF ( )MODELO RIS8
Hierarquical Data Format
OBRIGATÓRIO FACULTATIVO
Fig. 4.2 - Representação esquemática de um arquivo HDF/Modelo RIS8.
FONTE: Modificada de GOSTA (1996)
A imagem CZCS/HDF é uma grade bi-dimensional, equiretangular, formada por
elementos ou “pixels”, cujos valores de níveis de cinza (NC), no caso, variam de zero a
255. A relação entre NC e pigmentos é dada pela equação (Tran et al., 1993):
)4,1*012,0(10 −= NCpigC (mg/m3) (4.1)
onde,
Cpig é a concentração de pigmentos em mg/m3;
NC é o nível de cinza do pixel (0 a 255).
A relação expressa pela equação anterior é válida para NC variando de um a 245.
Para os demais, são válidas as seguintes relações:
Quando o nível de cinza é igual a zero, significa ausência de dados;
As faixas de 246 a 251 não são utilizadas;
As faixas de 253, 254 e 255 indicam, respectivamente, continentes, gelo e linha
de costa. Assim, o NC=1 representa a mínima concentração de pigmentos, que
equivale a 0,0409 mg/m3, e o NC=245 representa a máxima concentração que
equivale a 34,67 mg/m3.
70
4.2. TEMPERATURA DA SUPERFÍCIE DO MAR (TSM)
Como mencionado anteriormente, os dados de TSM pertencem a duas bases:
GOSTAPlus e COADS. Ambos são dados de médias mensais dispostos em grades
globais, com resolução espacial de 1o x 1o, e medidos em graus Celsius.
GOSTAPlus
É um Atlas de médias mensais de TSM, temperatura da superfície terrestre e
cobertura por gelo, desenvolvido a partir de dados in situ. É resultado do projeto
conjunto do UK Meteorological Office e do Department of Earth, Atmospheric and
Planetary Sciences/Massachusetts Institute of Technology (MIT) (GOSTA, 1998).
A versão do ATLAS que foi utilizada está disponível em CD-ROM desde 22 de abril de
1998. No cd, os dados GOSTA são agrupados em 4 seções: ATLAS-7, ATLAS-8,
GISST22 e LANDSST. Os dados TSM na resolução de 1o (há outras resoluções mais
degradadas), fazem parte da seção GISST22 e cobrem o período que vai de 1903 a
1994.
Cada arquivo TSM/GISST encontra-se no formato binário e contém dois anos de
dados mensais, isto é, 24 meses. De todos os arquivos disponíveis, só foram
utilizados aqueles correspondentes ao período das imagens CZCS, em um total de
cinco, a saber: GSST7778.raw, GSST7980.raw, GSST8182.raw, GSST8384.raw e
GSST8586.raw. Para a leitura destes arquivos há disponível no próprio cd uma rotina
escrita em linguagem C: raw2ascii.exe.
Assim como o CZCS/1o, cada dado mensal de TSM é disposto em uma grade global
de 180 linhas por 360 colunas, englobando a área delimitada pelos paralelos 90o S e
90o N e pelos meridianos 180o W a 180o E. Todos os valores na grade são inteiros.
Sobre os continentes e nas regiões cobertas por gelo, o valor na grade é constante e
assume, respectivamente, os seguintes valores: -32768 e -1000. Nas demais regiões,
os valores são armazenados como TSM multiplicada por 100.
COADS
71
Este é um projeto americano conduzido pela agência National Oceanographic and
Atmospheric Administration (NOAA) em cooperação com o National Center for
Atmospheric Research (NCAR). Foi iniciado em 1981, com o objetivo de compilar, em
uma mesma base, dados físicos coletados in situ, facilitando o acesso pela
comunidade científica. Para maiores detalhes sobre os procedimentos empregados
nesta tarefa consulte a URL http://www.cdc.noaa.gov/coads/news.html. Atualmente, os
dados COADS estão disponíveis em três organizações: no National Climatic Data
Center (NCDC), no Climate Diagnostics Center (CDC), ambos laboratórios da NOAA, e
no NCAR (COADS, 1998).
Os dados adquiridos para o presente trabalho fazem parte do sub-programa
Pan-American Climate Studies (PACS), versão realçada. A versão realçada inclui,
além de dados coletados por navios, aqueles adquiridos por outras plataformas in situ.
Deve ser salientado que tal versão não foi submetida a nenhum tratamento estatístico
e contém apenas dados que passaram no controle de qualidade designado pelos
coordenadores do projeto COADS.
O PACS/realçado é composto por médias mensais do período entre 1960 e 1995.
Cada média é disposta em uma grade global delimitada pelos paralelos 90oN e 90oS e
pelos meridianos 0oE e 360oE, com resolução espacial de 1o. Todas as grades
encontram-se em um mesmo arquivo no formato Network Common Data Format
(NetCDF). Da mesma forma que o HDF, o NetCDF é um formato científico,
auto-descritor e independente da plataforma.
4.3. VENTOS
Ao contrário dos dados de TSM, os dados de vento pertencem a duas bases com
características totalmente distintas: PACS/COADS e ECMWF. Enquanto o COADS é
uma base de médias mensais com resolução espacial de 1o, o ECMWF compõe-se de
médias de 10 dias com resolução espacial de 2,5º.
COADS
Como as características das grades de vento são semelhantes às descritas
anteriormente para a TSM, não serão novamente reportadas aqui.
72
Deve ficar claro que tais dados são de superfície e compreendem os seguintes
produtos: velocidade escalar (w), zonal (u) e meridional (v) e pseudo-cisalhamento
zonal e meridional. O pseudo-cisalhamento é resultado do produto da velocidade
escalar pelas componentes “u” e “v”. A unidade de velocidade é o m/s e do
pseudo-cisalhamento é o m2/s2 (COADS, 1999).
ECMWF
Os dados de vento do ECMWF fazem parte do Projeto de Re-análise (ERA), estando
disponível no CD-ROM Seasonal Simulations, distribuído por aquela instituição.
O Projeto ERA foi iniciado em 1993 com o objetivo de gerar dados atmosféricos
confiáveis, com base nas melhores observações disponíveis e em sistema de
assimilação de dados. A primeira tarefa do projeto ERA, denominado ERA-15, foi
finalizada em setembro de 1996 e teve, como produto final, dados do período
compreendido entre março de 1979 e dezembro de 1993. Após o ERA-15, o projeto
dedica-se agora a analisar os dados de 1958 até o presente (ECMWF, 1999).
Os dados adquiridos para o presente estudo fazem parte do projeto ERA-15, e
compõem-se de médias de 10 dias dos seguintes produtos: componentes zonal e
meridional do cisalhamento do vento (em N/m2). Cada média de dez dias é disposta
em uma grade global delimitada pelos paralelos 90oN e 90oS e pelos meridianos 0oE e
2,5o W, com resolução espacial de 2,5º. Todas as grades encontram-se em arquivos
no formato Gridded Binary (GRIB). O GRIB é um formato do tipo binário, não
diretamente acessível à leitura.
73
CAPITULO 5
PROCEDIMENTOS EMPREGADOS
Os procedimentos empregados no presente trabalho podem ser divididos em 5 fases
distintas: leitura dos dados; delimitação da região “Atlântico Tropical”; padronização
dos dados de ventos; estimativa do bombeamento/sucção de Ekman; e análise dos
dados.
A leitura dos dados foi realizada com o apoio do programa Interactive Data Language
(IDL) através do desenvolvimento de rotinas escritas naquela linguagem (Apêndice A).
A programação em IDL é uma alternativa à programação em C ou FORTRAN, com a
vantagem de ser mais fácil e rápida para usuários não-programadores. Além disto, o
IDL permite a entrada e saída de dados em formatos científicos (HDF, NetCDF e
CDF).
As demais fases do trabalho foram conduzidas no programa FERRET versão 4.45. O
FERRET é um programa desenvolvido pelo Thermal Modeling and Analysis Project
(TMAP) no Pacific Marine Environmental Laborator (PMEL/NOAA), em Seattle. É ideal
para visualização e análise de dados oceanográficos e meteorológicos, pois trabalha
com conceito de grades multi-dimensionais, geralmente: latitude, longitude,
profundidade e tempo. Tem a vantagem de ser um programa de alto nível, flexível e
simples, em que o usuário pode definir novas variáveis e desenvolver aplicações
especificas através de rotinas, as chamadas “go tools”, sem a necessidade de ser um
programador experiente. “Go tools” são arquivos que contêm seqüências de
comandos FERRET e são executados com o comando GO. Além de “go tools”, o
usuário pode, ainda, utilizar rotinas externas escritas em linguagem FORTRAN. O
formato padrão do FERRET é o NetCDF, mas tem a flexibilidade de entrada e saída
de dados em ASCII, binário ou TMAP.
Os procedimentos empregados em todas as fases são descritos em maior detalhe nos
itens deste capítulo, e podem ser visualizados de uma forma geral no diagrama da
figura 5.1.
74
Fig. 5.1 – Diagrama Esquemático: Procedimentos Empregados.
AQUISIÇÃO DE DADOS
DELIMITAÇÃO ATROP*
BASE DE DADOS: ATROP
PADRONIZAÇÃO
dados TSM
ESTIMATIVA: bombeamento de
Ekman
ANÁLISE DOS DADOS
dados pigmento
dados ventos
LEITURA
* Atlântico Tropical
75
5.1. LEITURA DOS DADOS
A leitura dos dados, primeira etapa do trabalho, consistiu na geração de arquivos
compatíveis com o programa FERRET. Para facilitar a compreensão desta etapa, os
procedimentos empregados serão descritos separadamente para cada conjunto de
dados.
IMAGENS CZCS
As imagens CZCS, em formato HDF, foram lidas individualmente por intermédio da
rotina czcs.pro, escrita em linguagem IDL . Esta rotina permitiu: converter os níveis de
cinza (NC) em concentração de pigmentos, atribuindo o valor -1.E+34 para as regiões
nas quais não houve coleta de dados e, também, sobre os continentes; rotacionar a
matriz resultante em 270o no sentido anti-horário; e, gerar arquivos de saída em ASCII.
O total de arquivos ASCII gerados foi igual ao número de imagens, ou seja, 196.
A conversão de NC em concentração de pigmentos foi feita com base na equação 4.1
(capítulo 4). O valor atribuído de -1.E+34 aos continentes e às regiões com ausência
de dados equivale ao valor padrão para ausência de dados (“missing”) no programa
FERRET. Dados rotulados como “missing” não entram em análises quantitativas
(Hankin e Denham, 1996). Isto significa que as regiões continentais e sem dados
foram excluídas de todos os cálculos e análises realizados posteriormente à fase de
leitura de dados.
Quanto à rotação da matriz, o motivo foi facilitar a visualização no FERRET, que lê os
arquivos no sentido de baixo para cima. Tal manipulação não altera os dados e evita
que a imagem fique de “cabeça para baixo” ao ser visualizada naquele programa.
Após a leitura das imagens, os arquivos ASCII foram convertidos para o formato
NetCDF. A conversão foi feita de forma que os arquivos de saída contivessem séries
temporais de mesma resolução espacial, a saber:
CZCS_F.CDF ⇒ Contendo 92 meses de dados na resolução 18 Km;
CZCS_B.CDF ⇒ Contendo 92 meses de dados na resolução 1o;
CZCS_M.CDF⇒ Contendo as mensais climatológicas na resolução 18 Km;
76
DADOS GOSTAPlus
Os cinco arquivos TSM/GOSTA, que cobrem o período que vai de janeiro de 1977 a
dezembro de 1986, foram lidos utilizando o executável disponível no próprio cd:
raw2ascii.exe. Para selecionar os dados entre novembro de 1978 e junho de 1986, e
adequá-los ao programa FERRET, criou-se uma rotina em IDL: tsm.pro .
De uma maneira geral, as rotinas czcs.pro e tsm.pro são semelhantes. A grande
diferença entre elas é quanto ao formato do arquivo original. Após a leitura, da mesma
forma que o CZCS, os arquivos resultantes foram convertidos para NetCDF, formando
a base de dados:
TSM_B.CDF ⇒ Contendo 92 meses de dados na resolução 1º.
DADOS ECMWF
De todos os dados ECMWF disponíveis (a base cobre o período que vai de março de
1979 a dezembro de 1993) só foram submetidos à leitura aqueles correspondentes ao
período de funcionamento do CZCS, em um total de 8 arquivos.
A seqüência adotada para a leitura dos dados ECMWF segue o padrão empregado
anteriormente: inicialmente, com o auxílio de um programa disponível no próprio CD-
ROM (WGRIB), os arquivos foram convertidos do formato GRIB para o formato ASCII;
após a conversão, os arquivos ASCII, em um total de 265, foram adequados ao
programa FERRET por meio de uma rotina escrita em IDL: ecmwf.pro; e depois,
transformados para o formato NetCDF, formando a base de dados:
ECMWF.CDF ⇒ Contendo 265 médias de 10 dias na resolução 2,5º.
DADOS COADS
Os dados derivados do COADS (TSM, velocidade do vento e pseudo-cisalhamento)
por já se encontrarem no formato NetCDF, foram lidos diretamente no programa
FERRET, sem a necessidade do desenvolvimento de rotinas de leitura. Como o
período de dados ia de 1960 a 1995, criou-se um subconjunto destes dados
equivalente à vida útil do CZCS (novembro de 1978 a junho de 1986).
5.2. DELIMITAÇÃO DO ATLÂNTICO TROPICAL
77
A etapa posterior à leitura dos dados consistiu em delimitar a região “Atlântico
Tropical”, reduzindo assim o volume de dados. Tal delimitação foi integralmente
realizada no programa FERRET.
5.3. PADRONIZAÇÃO DOS DADOS DE VENTOS
Como mencionado anteriormente, as bases COADS e ECMWF possuíam
características diferentes entre si, tanto em relação à resolução temporal como
espacial. Assim, esta etapa do trabalho teve o objetivo de compatibilizá-las, isto é,
converter os dados, de modo que passassem a representar o mesmo parâmetro com
as mesmas características. No caso do COADS, isto significou estimar o cisalhamento
do vento e seus respectivos componentes. Para a base ECMWF, consistiu em gerar
médias mensais dispostas em grades equivalentes às das demais variáveis.
O cisalhamento (τ) foi estimado utilizando a equação padrão que relaciona τ ao
quadrado da velocidade escalar do vento, com o coeficiente de arrasto proposto por
Large e Pond (1981). A formulação utilizada aqui é a mesma proposta pelos referidos
autores:
),(),( vuWcdaryx ∗∗∗= ρττ (N/m2) (5.1)
onde
(τx, τy) são, respectivamente, os componentes zonal e meridional do cisalhamento;
ρar é a densidade da ar = 1,2 x 10-3 Kg/m3 ;
W é a velocidade escalar do vento (m/s);
cd é o coeficiente de arrasto (adimensional):
cd= 0,0012 para 0<W<11 m/s
cd= 0,00049 + 0,000065*W para W>11 m/s;
(u,v) são, respectivamente, os componentes zonal e meridional da velocidade W.
A conversão dos dados ECMWF foi realizada em duas etapas: inicialmente geraram-
se grades mensais através da média aritmética dos dados de dez dias e depois, já
naquelas grades, fez-se a sub-amostragem do tamanho do pixel, originalmente
78
definido como 2,5o, para 1o, refinando a grade por intermédio de um interpolador
linear. Esta metodologia é a mesma utilizada por McDermott et al. (1997) para
converter vários produtos de ventos a um mesmo padrão.
Finalizando esta fase do trabalho, os dados com resolução espacial de 1o foram
inseridos na base denominada ATROP.cdf (Tabela 5.1). Base esta utilizada em todas
as demais fases do trabalho.
TABELA 5.1 - CARACTERÍSTICAS DA BASE DE DADOS ATROP
Base de Dados Variável Título Unidade
Pontos na Grade4 Tempo
i j k l
ATR
OP
PIGMENTO Concentração de pigmentos mg/m3 40 90 1 92 Nov/78 a
Jun/86
SST_G1 TSM oC 40 90 1 92 Nov/78 a Jun/86
SST_C2 TSM oC 40 90 1 92 Nov/78 a Jun/86
UCIS_C2 Componente zonal do cisalhamento N/m2 40 90 1 92 Nov/78 a
Jun/86
VCIS_C2 Componente meridional do cisalhamento N/m2 40 90 1 92 Nov/78 a
Jun/86
UCIS_E3 Componente zonal do cisalhamento N/m2 40 90 1 88 Mar/79 a
Jun/86
VCIS_E3 Componente meridional do cisalhamento N/m2 40 90 1 88 Mar/79 a
Jun/86
1 G: Dados GOSTAPlus; 2 C: Dados COADS; 3 E: Dados ECMWF; 4 Definição da grade: i (X/longitude), j (Y/latitude), k (Z/profundidade), l (T/tempo);
5.4. ESTIMATIVA DO BOMBEAMENTO DE EKMAN
79
No oceano, a circulação das águas, em geral, é tridimensional: além dos processos
advectivos horizontais, responsáveis pelas chamadas correntes oceânicas, há,
também, uma componente de advecção vertical em cada ponto (Williams e Follows,
1998). Apesar desta componente possuir intensidade muito menor que as horizontais,
seu fluxo integrado sobre grandes áreas pode não ser desprezível. Dentre os
principais processos envolvendo a advecção vertical pode-se citar:
Bombeamento ou Sucção de Ekman como resultado da convergência e
divergência horizontal das correntes;
Turbulência na camada de mistura;
Ondas planetárias e seus efeitos na circulação.
Dos processos advectivos verticais mencionados anteriormente, o presente trabalho
abordará apenas o primeiro: o bombeamento/sucção de EKman. Tal processo,
definido como a velocidade vertical na base da camada de mistura forçada pelo vento,
é, nos oceanos tropicais, um dos mais importantes mecanismos físicos responsáveis
pelo suprimento de nutrientes (McClain et al., 1990; Brock et al., 1991; McClain e
Firestone, 1993; Fiedler, 1994). Aqui, o bombeamento/sucção de Ekman será
representado pela variável we.
Como em geral we não é mensurável in situ estima-se sua magnitude a partir da
combinação de duas formulações básicas da oceanografia física: as equações do
movimento e da continuidade. O sinal de we, então, expressa a seguinte situação: se o
eixo vertical, z, for orientado positivo para cima, então velocidades verticais positivas
significam que águas subsuperficiais estão sendo deslocadas à superfície,
caracterizando um evento de ressurgência. Em contrapartida, se we é negativa, então
as águas superficiais estão sendo impelidas para baixo, caracterizando a subsidência.
No oceano aberto, ocorre ressurgência nas áreas onde as águas superficiais
divergem, e subsidência onde estas convergem. No caso do bombeamento de Ekman,
a ressurgência ou a subsidência são resultantes do forçamento local direto do
cisalhamento do vento na superfície (Gargett, 1991; Pond e Pickard, 1997).
Para derivar os campos de we no Atlântico Tropical foram utilizadas três
aproximações:
A clássica na qual estimou-se we a partir das equações clássicas do transporte
de Ekman;
80
A proposta por Hsieh e Boer (1992) e aplicada por Fiedler (1994) em estudo
semelhante ao realizado aqui;
E, uma versão modificada da aproximação anterior.
O objetivo de utilizar várias aproximações foi tentar estimar a magnitude de we na
região equatorial onde o método clássico falha, já que o parâmetro de Corolis é nulo.
Todas as aproximações foram colocadas em prática por meio de rotinas escritas no
programa FERRET, e serão tratadas em maior detalhe nos próximos itens do presente
capítulo.
A PRIMEIRA APROXIMAÇÃO
Para deduzir we é necessário inicialmente considerar as equações do movimento.
Supondo um estado estacionário, isto é, em que não há variações temporais na
velocidade (aceleração é nula), e desconsiderando os efeitos não lineares (como os
termos advecctivos etc.), aquelas equações podem ser assim escritas (Pond e
Pickard, 1997):
zxPfv
dtdu x
∂∂
+∂∂
−==τ
αα0 , (5.2)
zyPfu
dtdv y
∂
∂+
∂∂
−−==τ
αα0 (5.3)
onde,
u é a componente da velocidade no eixo x, sendo positiva para leste;
v é a componente da velocidade no eixo y, sendo positiva para norte;
du/dt é a aceleração na direção x;
dv/dt é aceleração na direção y;
fv e fu são os termos que indicam a força de Coriolis associada à rotação da Terra;
f é o parâmetro de Coriolis dado por 2Ωsenθ, sendo Ω a velocidade angular da Terra
e θ a latitude;
81
yP∂∂α e
xP∂∂α são os termos gradiente horizontal da pressão, indicando a tendência de
um fluido a mover-se da alta para baixa pressão;
α(∂τx/∂z) e α(∂τy/∂z) são os termo gradiente vertical do cisalhamento;
α é o volume específico, sendo ρ
α 1= onde ρ é a densidade da água.
Como o sistema anterior é linear, então é possível separar o termo velocidade em
duas partes: uma associada ao termo gradiente de pressão (ug, vg), isto é, ao fluxo
geostrófico e outra ao termo cisalhamento (ue, ve). Assim, soluciona-se separadamente
cada parte e depois as soluções são somadas (Pond e Pickard, 1997).
Então, na ausência dos termos gradiente de pressão, as equações do movimento
tornam-se:
zfv x
e ∂∂
−=τ
α (5.4)
zfu y
e ∂
∂=
τα (5.5)
onde,
ue e ve são respectivamente os componentes zonal e meridional da velocidade,
definidas como velocidades de Ekman.
Arrumando as equações 5.4 e 5.5, pode-se escrever que:
xe ddzfv τρ −= (5.6)
ye ddzfu τρ = (5.7)
Nas equações anteriores, os termos a esquerda da igualdade representam os fluxos
de massa por unidade de tempo e espaço nas respectivas direções, através da área
de profundidade dz. Para obter o fluxo total de massa em uma dada profundidade z
integra-se as equações anteriores:
zs xxz xz e ddzvf τττρ +−=−= ∫∫00
(5.8)
zs yyz yz e ddzuf τττρ −== ∫∫00
(5.9)
82
onde,
s indica superfície, isto é, z = 0;
z indica profundidade (negativo porque o eixo z é orientado positivo para cima, com a
origem colocada na superfície do oceano).
Determinando que z é uma profundidade abaixo da camada forçada pelo vento, na
qual o cisalhamento é nulo, as equações ficam, então, resolvidas:
fV sx
e ρτ−
= (5.10)
fU sy
e ρτ
= (5.11)
onde,
Ue e Ve são os componentes do fluxo de Ekman integrado na profundidade, ou
transporte de Ekman.
A velocidade vertical na camada de Ekman pode ser obtida integrando a equação da
continuidade na profundidade z:
0=∂∂
+∂∂
+∂∂
zw
yv
xu (5.12)
Na superfície, z = 0 ⇒ w = 0; em z = -h ⇒ w = we, então:
0)0( =−+∂∂
+∂∂
eee w
yV
xU (5.13)
onde,
we é a velocidade na base da camada forçada pelo vento.
Substituindo a equação do transporte de Ekman na equação anterior tem-se que:
83
( )
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
∂
⎟⎟⎠
⎞⎜⎜⎝
⎛∂
−∂
⎟⎟⎠
⎞⎜⎜⎝
⎛∂
= −
yf
xf
w
ssy
e
ττ
ρ 1 (5.14)
Mas ⎟⎟⎠
⎞⎜⎜⎝
⎛∂
∂−
∂
∂
yxss xy ττ
é a componente vertical do rotacional do vento, assim pode-se
escrever que:
ρ
τ )(f
rotw
Z
e = (5.15)
De forma prática, o primeiro passo para estimar we foi calcular, a partir dos dados de
cisalhamento do vento, o componente vertical do rotacional de (τ/f), e, depois, we pela
equação anterior, assumindo ρ constante = 1000 kg/m3. Como mencionado
anteriormente, este método falha na região equatorial, onde o parâmetro de Coriolis
tende a zero e, assim, as equações 5.4 e 5.5 não são válidas. Neste caso, a definição
da faixa equatorial é arbitrária. Halpern et al. (1994) a definiu como 3oN-3oS; McClain
et al. (1990), como 5oN-5oS; e McClain e Firestone (1993), como 5oN-5oS. No presente
trabalho, definiu-se como faixa equatorial a área compreendida entre as latitudes 2oS e
2oN. Em tal área, não estimou-se we.
SEGUNDA APROXIMAÇÃO
Na segunda aproximação, proposta por Hsieh e Boer (1992), para calcular we parte-se
do modelo forçado pelo cisalhamento do Canadian Climate Center (CCC). Neste
modelo, as equações do movimento, supondo um estado estacionário, ausência do
gradiente de pressão e dos efeitos não lineares, são escritas como:
xUfV ατδ =+− (5.16)
yVfU ατδ =+ (5.17)
84
onde,
U e V representam o transporte horizontal.
A diferença entre as equações acima e aquelas do modelo clássico (equações 5.4 e
5.5) é a presença do termo δ. O termo δ é um coeficiente de amortecimento que
representa de forma simples os efeitos devido à fricção, negligenciados na primeira
aproximação. Assim, os termos du/dt e dv/dt, nas equações do movimento horizontal,
foram substituídos por (d/dt +δ)u e (d/dt +δ)v, respectivamente.
O coeficiente δ equilibra o forçamento pelo vento no equador onde a força de Coriolis
é nula, sendo negligenciável na região extra-equatorial. Quando δ é zero, então as
equações reduzem-se às equações clássicas do transporte de Ekman.
Para um δ diferente de zero, ou seja, por definição, a região equatorial, os
componentes Ue e Ve, do transporte horizontal, são dadas por:
( )22
)(δρτδτ
+
+=
ff
U ss yxe (5.18)
( )22
)(δρτδτ
+
−=
ff
V ss xye (5.19)
Da mesma forma que anteriormente, integrando a equação da continuidade pode-se
escrever que:
⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
+∂∂
=y
Vx
Uw ee
eρ (5.20)
Mas ⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
+∂∂
yV
xU ee é a divergência do transporte horizontal, então:
ρe
eM
w⋅∇
= (5.21)
onde,
Me é o transporte horizontal integrado na profundidade z.
Pelo modelo descrito anteriormente, we é estimada por dois sistemas: um na região
extra-equatorial, quando o coeficiente de amortecimento é nulo e as equações
85
reduzem-se às equações clássicas do transporte de Ekman, e outro na faixa
equatorial, quando é necessário supor ou conhecer o valor de δ. Para o Pacífico,
Hsieh e Boer (1992), baseado em observações sobre o transporte na camada
superficial e a intensidade média do cisalhamento do vento, estimaram δ igual a (4,8)-1
dias.
No presente trabalho como não era possível estimar o valor da coeficiente de
amortecimento, pois faltavam os dados mencionados anteriormente, adotou-se o
mesmo valor utilizado no Pacifico Tropical. Posteriormente, verificou-se se aquele era
“adequado”. Desta primeira avaliação, resultaram novas suposições sobre os valores
daquele coeficiente. Tanto a primeira avaliação quanto os demais coeficientes
utilizados serão apresentados no próximo capítulo. Aqui, novamente, foi considerado
como faixa equatorial a região delimitada pelas latitudes 2oN e 2oS.
TERCEIRA APROXIMAÇÃO
A partir de observações sobre os resultados obtidos com a segunda aproximação, que
serão tratados no próximo capítulo, um outro procedimento foi empregado para tentar
estimar we na faixa equatorial. Este procedimento partiu das mesmas equações da
segunda aproximação, mas, neste caso, o bombeamento/sucção de Ekman foi obtido
utilizando uma única equação. Isto porque, o coeficiente de amortecimento foi
considerado constante para toda a região tropical sem distinção entre as faixas
equatorial e extra-equatorial como feito anteriormente.
Por esta aproximação, we fica determinado por:
ρδ
τδ
τδ
τδ
τδ
δ⎪⎭
⎪⎬⎫
⎪⎩
⎪⎨⎧
⎟⎠
⎞⎜⎝
⎛+
∂−⎟⎟⎠
⎞⎜⎜⎝
⎛+
∂+⎪⎭
⎪⎬⎫
⎪⎩
⎪⎨⎧
⎟⎟⎠
⎞⎜⎜⎝
⎛+
∂+⎟⎠
⎞⎜⎝
⎛+
∂
=22222222 f
ff
fff
w
xy
yx
yy
xx
e )( (5.22)
5.5. ANÁLISE DOS DADOS
A última fase do trabalho consistiu em analisar os dados. Tal análise compôs-se das
seguintes etapas:
86
1. Avaliar as bases de dados adquiridas. Para as imagens da cor do oceano consistiu
no cálculo do número de observações por “pixel” (NOB). O NOB, calculado em
cada “pixel”, expressa a disponibilidade de imagens CZCS sobre o Atlântico
Tropical. Para os dados de TSM e ventos consistiu na comparação quali-
quantitativa das bases COADS e GOSTA; COADS e ECMWF, respectivamente.
Estas comparações foram realizadas em transectos através de gráficos “tempo x
longitude” e “tempo x latitude” e estimativas dos coeficientes de correlação linear
entre aquelas bases de dados. A localização dos transectos são apresentadas no
próximo capítulo;
2. Analisar as aproximações empregadas para estimar o bombeamento de Ekman,
escolhendo a mais adequada aos objetivos do estudo;
3. Estudar a variabilidade das forçantes físicas locais no Atlântico Tropical,
representadas pelas variáveis: TSM, cisalhamento e seus respectivos
componentes e bombeamento de Ekman. Este estudo consistiu em: calcular a
climatologia para cada uma daquelas variáveis e os desvios padrões, para período
estudado; gerar imagens temáticas mensais e extrair a série temporal daquelas
variáveis. A extração da série temporal foi realizada de acordo com os
procedimentos empregados por McClain et al. (1990) e será tratada em maior
detalhe no próximo capítulo;
4. Examinar a variabilidade da concentração de pigmentos no Atlântico Tropical
através das imagens da cor do oceano. Para tanto, gerou-se imagens temáticas
mensais e extraiu-se a série temporal desta variável. Como no item anterior, a
obtenção da série temporal será tratada em maior detalhe no próximo capítulo;
87
5. Analisar em conjunto a concentração de pigmentos e as forçantes físicas locais.
Esta análise foi realizada com base nas informações obtidas nos itens anteriores e
através do cálculo dos coeficientes de correlação entre as séries temporais
daquelas variáveis. Como o número de observações era pequeno, utilizou-se a
correlação não paramétrica (Coeficiente de Spearman). Tais cálculos foram
realizados tanto por “pixel” (cada “pixel” tem uma série temporal) quanto por
região, e será abordado em maior detalhe no próximo capítulo:
89
CAPÍTULO 6
RESULTADOS
6.1. AVALIAÇÃO SOBRE AS BASES DE DADOS
Para o presente trabalho, foram adquiridos três conjuntos de dados distintos: ventos,
TSM e pigmentos. Tais dados foram processados conforme os procedimentos
descritos no capítulo anterior, gerando a base denominada ATROP.cdf. Deve ser
lembrado que cada um dos conjuntos de dados foi representado por duas variáveis
distintas, a saber:
TSM ⇒ COADS e GOSTA;
Ventos ⇒ COADS e ECMWF;
Pigmentos ⇒ CZCS nas resoluções 18 Km e 1o.
Assim, a fase de avaliação das bases de dados consistiu em escolher quais daquelas
variáveis eram mais adequadas para alcançar os objetivos propostos, avaliando suas
limitações.
6.1.1. IMAGENS DA COR DO OCEANO
Seguindo a mesma seqüência adotada no processo de aquisição dos dados, a
primeira base a ser analisada foram as imagens da cor do oceano. Neste caso, como
já mencionado, optou-se pela imagem 1o pois esta é que fornece maior grau de
compatibilidade com as demais variáveis estudadas. Apesar disto, há algumas
vantagens em utilizar imagens com tal resolução. Strubb et al. (1990) sugerem que, no
caso do CZCS, a utilização de imagens com resolução de 1o permite a formação de
séries temporais mais regulares do que aquelas formadas com cenas individuais, ou
mesmo com resolução de 18 Km. Segundo os autores, apesar de se perderem
informações sobre as feições de meso-escala, as imagens 1o são representativas da
variabilidade em escala global, que é o objeto de estudo do presente trabalho.
Após “escolher” o conjunto de dados CZCS que seria utilizado, algumas dúvidas
naturais surgiram a seu respeito. Estas dúvidas podem ser resumidas pelas seguintes
questões:
90
Até que ponto se poderia confiar nas estimativas de pigmentos obtidas das
imagens ?
As falhas observadas na série temporal seriam significativas ? Se afirmativo,
ainda assim a climatologia seria representativa da variabilidade sazonal no
período 1978-1986 ? E, seria possível estudar a variabilidade interanual com
aquelas imagens ?
A primeira destas indagações foi respondida através do trabalho de Monger et al.
(1997). Neste trabalho, os autores compararam os dados obtidos das imagens com
dados coletados in situ durante o projeto CIPREA, realizado no decorrer do biênio
1979-1980 na região do Golfo da Guiné. O método adotado para tal comparação foi o
proposto por Gordon e Clark (1980). Segundo os autores, as imagens CZCS daqueles
anos apresentam concordância relativamente boa com os dados in situ, conforme
pode ser observado na figura 6.1.
0,01
Pigm
ento
s C
ZCS/
PAD
RÃO
(mg/
m)
3
Abril Junho-JulhoOutubro-NovembroJaneiro
10
1
0,1
0,01 0,1 1 10
Pigmentos (mg/m )
in situ3
Fig. 6.1 – Comparação entre imagens CZCS e dados in situ. FONTE: Monger et al. (1997, p.12406)
Analisando a figura 6.1, observa-se que, em janeiro, os dados das imagens tendem a
superestimar a concentração de pigmentos in situ. Como as estações onde foram
coletados os dados in situ localizam-se próximo à foz do rio Zaire (África) e, sabendo-
se que as estimativas de pigmentos em águas do caso 2 são problemáticas, os
autores propõem a exclusão destas estações nas análises. Além do mês de janeiro,
91
outras que não apresentam boa concordância são as medições realizadas durante o
bimestre junho-julho. Neste bimestre, as imagens tendem a subestimar a
concentração in situ por um fator superior a 4. Monger et al. (1997) investigaram as
possíveis origens desta baixa concordância e propuseram algumas modificações no
processamento das cenas individuais que deveriam ser empregadas para o Atlântico
Tropical. Segundo os autores, duas possíveis origens podem ser levantadas: a
primeira, com respeito à correção atmosférica das imagens e a segunda, devido à
redução de matéria orgânica dissolvida (MOD) na camada superficial durante o evento
de ressurgência equatorial, que ocorre naquele bimestre. Para detalhes sobre os
procedimentos de reprocessamento que deveriam ser empregados consulte Monger et
al. (1997).
Assim, pode-se concluir que as estimativas de pigmentos obtidas das imagens para o
Atlântico Tropical são representativas do que ocorre no campo, exceto no bimestre
junho-julho.
Dois fatos relevantes devem, ainda, ser mencionados: primeiro que não é possível
avaliar toda a base CZCS quanto à confiabilidade das estimativas de pigmentos pois
os dados in situ no Atlântico Tropical são esparsos durante o período de
funcionamento do sensor, e nem sempre concomitantes à passagem do satélite;
segundo, a base CZCS não foi reprocessada, pois as cenas brutas não foram
adquiridas no início do trabalho.
Para responder à segunda indagação feita anteriormente, analisou-se a série temporal
formada pelas imagens CZCS, através do número de observações por pixel (NOB).
Este número, dado em porcentagem, expressa a quantidade de dados válidos em uma
determinada época, sendo um indicativo da cobertura do CZCS. No presente trabalho,
foi calculado para três períodos distintos:
em relação ao total de dados, no caso, noventa e duas médias mensais;
para cada ano, isto é, em relação a doze meses;
para cada mês, ou seja, em relação às oito observações mensais (em oito
anos de funcionamento do sensor).
No Atlântico Tropical, como em outras regiões do globo, a cobertura do CZCS foi
irregular (Figura 6.2). Somente três localidades apresentam NOB superior a 40%, o
que eqüivale a, pelo menos, trinta e sete dados, dos noventa e dois possíveis, a saber:
92
uma localizada próxima à costa norte da América do Sul, entre as longitudes 70oW e
45oW e as latitudes 20oN e 10oN (localidade A na figura); outra, próxima à costa
africana entre 20oN e 5oN (localidade B); e a mais extensa, localizada no hemisfério
sul, entre o equador e 15oS (localidade C);
Nas demais regiões, a cobertura é inferior a 20%, o que eqüivale, a no máximo, cerca
de dezoito observações. Fiedler (1994), examinado cenas individuais, sugeriu que esta
irregularidade deriva do esquema de funcionamento intermitente e dos problemas de
calibração do sensor, antes que da cobertura por nuvens, típico das regiões tropicais.
Longhurst (1993) acrescentou, que além destes fatores, as regiões tropicais deixaram
de ser áreas prioritárias do programa CZCS após 1979, fato este que teria contribuído
em muito para aquela irregularidade.
20 No
10 No
0o
10 So
20 So
60 Wo 40 Wo 20 Wo 20 Eo0
20
40
60
80
100
A B
C
A, B, C - Áreas com maior NOB
Fig. 6.2 – Disponibilidade de dados CZCS no oceano Atlântico Tropical para o período de novembro de 1978 a junho de 1986.
Analisando o NOB por ano (Figura 6.3), observa-se que a melhor amostragem do
CZCS ocorreu em 1979, quando a maior parte do Atlântico Tropical apresenta pelo
menos 70% de observações, o que significa aproximadamente 10 dados válidos entre
12 possíveis. Nos outros anos do período de funcionamento do CZCS, o NOB foi
baixo, em média 30% a 40%. Exceção a este padrão ocorreu em 1983 e 1984, nos
quais praticamente não há dados sobre o Atlântico.
93
1978 1979 1980
1981 1982 1983
1984 1985 1986
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
0 10 20 30 40 50 60 70 80 90 100
NOB (%) em relação a um total de 12 imagens possíveis
Fig. 6.3 – Disponibilidade de dados CZCS no oceano Atlântico Tropical por ano, no período de 1978 a 1986.
Esta irregularidade observada ao longo dos anos também é observada no NOB por
mês (Figura 6.4). Somente na climatologia do último trimestre (outubro a dezembro) é
que o NOB é de pelo menos 40% na maior parte da bacia, o que eqüivale a
aproximadamente três imagens das oito possíveis. Nos demais meses, o número de
observações é baixo, de 10 a 20% em média.
94
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
0 10 20 30 40 50 60 70 80 90 100
NOB (%) em relação a um total de 8 imagens possíveis
Fig. 6.4 – Disponibilidade de dados CZCS no oceano Atlântico Tropical por mês, no período de 1978 a 1986.
95
Cruzando as informações obtidas pelas análises anteriores com a observação das
imagens individuais, algumas considerações sobre a base CZCS no Atlântico Tropical
podem ser traçadas. A primeira é que, na maior parte da bacia, a contribuição para as
imagens climatológicas vem do ano de 1979, exceto nas regiões em que há pelo
menos 40% de dados válidos. Assim, a climatologia não reflete a variabilidade sazonal
no período 1978-1986, sendo, na realidade, imagens de composição. Aqui, o termo
composição significa imagens que são compostas por informações de diferentes anos,
e não obtidas pela média dos dados no período considerado. A segunda
consideração, é que não é possível extrair informações sobre a variabilidade
interanual da concentração de pigmentos no Atlântico Tropical a partir da base CZCS.
A segunda consideração exposta aqui é discordante da feita por Longhurst (1993).
Segundo o autor, apesar da cobertura incompleta após 1980, há suficiente informação
para afirmar que o padrão observado em 1979 é típico da região, com alguma
variabilidade interanual. Ainda segundo o trabalho, esta variabilidade poderia ser
atribuída a perturbações originadas pelo El Niño de 1982-83.
Para chegar aquelas conclusões, Longhurst (1993) utilizou imagens 18 km e médias
sazonais, o que talvez pudesse explicar suas diferentes conclusões. Primeiro, porque
as imagens utilizadas aqui, como mencionado anteriormente, perdem informações
espaciais, e é possível que o autor tenha se referido às feições de meso-escala;
segundo, a utilização de imagens sazonais levam a considerações incorretas, já que,
como as imagens climatológicas, estas não refletem a variabilidade na estação, sendo,
na realidade, uma composição de diferentes datas.
Para verificar se o uso de imagens com diferentes resoluções levam a diferentes
conclusões, analisou-se também as imagens 18 km. Tal análise demostrou que
mesmo com as imagens de melhor resolução é difícil afirmar que o padrão observado
no ano de 1979 é típico da região.
Em resumo:
1) Após o ano de 1980 não há suficientes informações sobre a concentração de
pigmentos em grande escala nas imagens. E, assim, a base restringe-se a pouco
mais que doze meses;
96
2) Não é possível afirmar que o padrão observado em 1979 seja típico da região do
Atlântico Tropical. Além disto, nenhuma perturbação pode ser atribuída ao El Niño
de 1982-1983, porque não há dados suficientes naqueles anos;
3) A climatologia não reflete a variabilidade no período 1978-1986, exceto nos meses
de novembro e dezembro;
4) Como no biênio 1979-1980 as imagens apresentam concordância relativamente
boa com os dados in situ, o conjunto de dados CZCS é representativo, pelo menos
qualitativamente, do que ocorre no campo.
6.1.2. TEMPERATURA DA SUPERFÍCIE DO MAR (TSM)
Concluída a análise da base CZCS, a segunda a ser verificada foi a de TSM. Como
mencionado no capítulo 4, esta verificação demonstrou que a base COADS
apresentava grandes falhas, isto é, regiões com ausência de dados. Tais regiões
repetem-se ao longo do tempo, conforme pode ser observado na figura 6.5a. Como a
base GOSTA não apresenta tais falhas, pois resulta da combinação de observações e
modelos, optou-se por esta base para se estudar a TSM (Figura 6.5b). Comparando-
se os dois gráficos, verifica-se que nas regiões em que há dados em ambas as bases
existe uma concordância entre os padrões observados. Esta mesma concordância foi
verificada em outros transectos localizados ao longo da bacia, respectivamente em:
20oN, 10oN, 10oS e 20oS.
97
19
<19
21
22
2324
2526
27
28
29
30
>30
20
TSM
(C)
40 Wo 30 Wo 20 Wo 10 Wo 0o
(A) COADS
19
<19
21
22
2324
2526
27
2829
30
>30
20TS
M (C
)
40 Wo 30 Wo 20 Wo 10 Wo 0o
(A) GOSTA
1979
1980
1981
1982
1983
1984
1985
1979
1980
1981
1982
1983
1984
1985
Fig. 6.5 – Comparação entre as bases de TSM COADS (a) e GOSTA (b), ao longo do transecto equatorial.
Em termos quantitativos, também há uma boa concordância entre as bases GOSTA e
COADS, como pode ser observado na tabela 6.1 e nos diagramas de dispersão
(Figura 6.6).
TABELA 6.1 – CORRELAÇÃO ENTRE AS BASES GOSTA E COADS
Transecto Coeficiente de Correlação (r) Número de observações (n) 20 N 0,91 3303 10 N 0,82 3199
0 0,83 3429 10 S 0,81 1593 20 S 0,93 2663
98
Fig. 6.6 – Diagramas de dispersão entre as bases GOSTA e COADS para o parâmetro TSM, por transecto.
6.1.3. VENTOS
A terceira, e última, base a ser analisada foi a de ventos. Como mencionado
anteriormente, a base COADS apresentava grandes falhas. Desta forma, optou-se
pelos dados ECMWF para descrever o campo de ventos e estimar o bombeamento de
Ekman. Como a base escolhida não possuía as mesmas características das outras,
esta foi submetida ao tratamento descrito no capítulo anterior. Para confirmar se tal
tratamento era adequado, comparou-se o cisalhamento derivado dos dados do
COADS com aquele do ECMWF. Esta comparação foi realizada através de gráficos
“tempo x longitude” e “tempo x latitude” e cálculo do coeficiente de correlação ao longo
de transectos, cujas localizações podem ser observadas na figura 6.7. Deve ser
20
21
22
23
24
25
26
27
28
29
30
20 21 22 23 24 25 26 27 28 29 30
TSM (oC) COADS
TSM
(o C) G
OS
TA
2021
2223
2425
2627
2829
3031
3233
3435
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
TSM (oC) COADS
TSM
(o C) G
OS
TA
20
21
22
23
24
25
26
27
28
29
30
31
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
TSM (oC) COADS
TSM
(o C) G
OST
A
20
21
22
23
24
25
26
27
28
29
30
20 21 22 23 24 25 26 27 28 29 30
TSM (oC) COADS
TSM
(o C) G
OS
TA
15
16
17
1819
20
21
2223
24
25
2627
28
29
30
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
TSM (oC) COADS
TSM
(o C) G
OS
TA
20 N 10 N
EQUADOR
20 S 10 S
99
notado que os gráficos iniciam-se no mês de março de 1979, o primeiro mês dos
dados ECMWF.
20 So
10 So
15 So
5 So
0o
5 No
10 No
15 No
20 No
70 Wo 50 Wo 30 Wo 10 Wo 0o60 Wo 40 Wo 20 Wo 10 Eo 20 Eo
12
3
A
B
C
Legenda
A - transecto 10 No
B - transecto equatorial
1 - transecto 50 Wo
2 - transecto 30 Wo
3 - transecto 0o
Fig. 6.7 – Localização dos transectos: comparação dos dados COADS e ECMWF.
Na figura 6.8 encontram-se os coeficientes de correlação entre as bases COADS e
ECMWF para o parâmetro intensidade do cisalhamento, bem como o número médio
de observações em cada transecto. Nesta figura dois fatos podem ser observados:
primeiro que as correlações entre as bases COADS e ECMWF são bem menores que
aquelas observadas para o parâmetro TSM e segundo que as correlações crescem à
medida em que há um maior número de observações. A origem desta menor
correlação entre as bases COADS e ECMWF é o fato que o cisalhamento ao contrário
da TSM é um parâmetro derivado e para estimá-lo é necessário determinar o
coeficiente de arrasto. E no caso foram utilizados diferentes formulações para
determinar este coeficiente: o ECMWF utiliza um coeficiente variável e corrigido para a
estabilidade atmosférica e aqui foi utilizado o coeficiente de Large e Pond (1981) (veja
capítulo 5).
100
0
10
20
30
40
50
60
70
80
90N
úmer
o M
édio
de
Obs
erva
ções
C
OA
DS
10s eq 10n 0w 30w 50w
transcetos
0,670,47
0,24
0,430,32
0,48
Fig. 6.8 – Correlação entre as bases COADS e ECMWF para o parâmetro intensidade do cisalhamento, por transecto (veja figura 6.7). Os coeficientes de correlação encontram-se acima de cada barra.
Apesar dos coeficientes de correlação serem relativamente baixos pode-se dizer, a
partir da comparação entre os gráficos e aqueles coeficientes, que pelo menos
qualitativamente existe boa concordância entre os dados COADS e ECMWF. Assim, a
reamostragem dos “pixels” e o cálculo de médias mensais mostrou-se um tratamento
adequado. Na figura 6.9, encontram-se os gráficos do transecto equatorial e pode ser
visto que os padrões observados em cada uma das bases são concordantes.
101
40 Wo 30 Wo 20 Wo 10 Wo 0o
1979
1981
1983
1985
1979
1981
1983
1985
40 Wo 30 Wo 20 Wo 10 Wo 0o
1979
1981
1983
1985
1979
1981
1983
1985
40 Wo 30 Wo 20 Wo 10 Wo 0o
1979
1981
1983
1985
1979
1981
1983
1985
40 Wo 30 Wo 20 Wo 10 Wo 0o
1979
1981
1983
1985
1979
1981
1983
1985
0,10
0,05
-0,05
0
τ x (N
/m)2
0,10
0,05
-0,05
0
τ x (N
/m)2
0,10
0,05
-0,05
0τ y
(N/m
)2
0,10
0,05
-0,05
0
τ y (N
/m)2
cisalhamento zonal/COADS cisalhamento zonal/ECMWF
cisalhamento meridional/ECMWF cisalhamento meridional/COADS
Fig. 6.9 – Cisalhamento do vento no transecto equatorial: à esquerda dados COADS e à direita dados ECMWF.
6.2. ANÁLISE DAS APROXIMAÇÕES EMPREGADAS PARA ESTIMAR O BOMBEAMENTO DE EKMAN
Como descrito no capítulo 5, foram utilizadas três aproximações para estimar o
bombeamento/sucção de Ekman: a clássica, a proposta por Hsieh e Boer (1992) e por
ultimo, uma versão modificada da aproximação anterior. O objetivo de utilizar outras
aproximações foi tentar determinar a magnitude we na região equatorial onde o método
clássico falha.
No caso da aproximação de Hsieh e Boer (1992), observou-se forte descontinuidade
entre as regiões equatorial e extra-equatorial quando foi adotado o mesmo coeficiente
do oceano Pacifico (4,8 d-1). Em virtude de tal fato, tentou-se ajustar um outro
102
coeficiente que, reproduzindo as feições teoricamente esperadas reduzisse a
descontinuidade entre aquelas regiões. Para tanto, vários coeficientes foram testados,
a saber: 10-7, 10-6, 5 x 10-6, 3 x10-6, 10-5, 10-4. O resultado principal dos testes
realizados, pode ser resumido pela seguinte frase: todos os coeficientes geraram
imagens com forte descontinuidade. De todos os coeficientes, o valor de 10-4 foi o
mais inadequado, pois gerou feições incompatíveis com a região equatorial: fraca
ressurgência (cerca de 0,1 x 10-5 cm/s) e subsidência.
Para a aproximação modificada, no qual we foi estimada por uma única equação em
toda a bacia, o que se pôde observar é que tal aproximação reproduzia incorretamente
as feições, tomando como padrão as imagens de we obtidas por McClain et al. (1990).
Exceção a este fato ocorreu quando o valor do coeficiente foi igual a 3 x 10-6 e igual a
10-7.
Tendo em vista que as duas aproximações utilizadas para estimar we no equador eram
sensíveis ao coeficiente de amortecimento, pois reproduziam feições distintas com
pequenas variações em seu valor, e, como não era possível estimá-lo
adequadamente, preferiu-se adotar a aproximação clássica. Tal fato significa que o
bombeamento de Ekman não foi calculado para a região equatorial, definida
arbitrariamente no presente trabalho como 2oN-2oS.
Deve ser ressaltado que, independentemente do procedimento empregado, estimar we
a partir de médias mensais do campo superficial de ventos subestima o valor real da
ressurgência ou subsidência em cada ponto (McClain e Firestone, 1993; Fiedler,
1994).
As figura 6.10 e 6.11 mostram respectivamente as imagens obtidas para o mês de
junho de 1979 em função das aproximações e dos vários coeficientes testados.
103
δ =Oceano Pacífico
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
δ = 10 -4 δ = 10
-5 δ = 10 -6
δ = 3 x 10-6 δ = 5 x 10
-6 δ = 10 -7
< -1,3 -0,4 -0,3 -0,2 -0,1 0 > 1,30,40,30,20,1
Bombeamento/Sucção de Ekman w ( x10 ) m/se
-5
Fig. 6.10 – Estimativa de we pelo procedimento de Hsieh e Boer (1992) referente ao mês de junho de 1979, para diferentes valores do coeficiente de amortecimento (δ).
104
δ = Oceano Pacífico
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
δ = 10 -4 δ = 10
-5 δ = 10-6
δ = 3 x 10 -6 δ = 5 x 10
-6 δ = 10-7
< -1,3 -0,4 -0,3 -0,2 -0,1 0 > 1,30,40,30,20,1
Bombeamento/Sucção de Ekmanw ( x 10 m/se
-5)
Fig. 6.11 – Estimativa de we por uma única equação em função do coeficiente de amortecimento. Junho de 1979.
105
6.3. VARIABILIDADE DAS FORÇANTES FÍSICAS LOCAIS
Em função do volume de dados, cerca de 100 imagens para cada uma das variáveis
estudadas (TSM, cisalhamento do vento e bombeamento de Ekman) a estratégia
adotada para analisá-las foi particionar a bacia do Atlântico Tropical em quatro
regiões, denominadas aqui de: Atlântico Tropical Leste (ATL), Atlântico Tropical Oeste
(ATO), Noroeste da África (NOA) e Nordeste da América do Sul (NEA) (Figura 6.12).
Tais regiões foram determinadas com base nos trabalhos de McClain et al. (1990),
Longhurst (1993), Banse e English (1994) e Longhurst (1995a).
20 So
10 So
15 So
5 So
0o
5 No
10 No
15 No
20 No
70 Wo 50 Wo 30 Wo 10 Wo 0o60 Wo 40 Wo 20 Wo 10 Eo 20 Eo
ATLATO
NO
A
NEA
Fig. 6.12 – Localização das áreas analisadas: ATL (20oW-10oE; 2oN-10oS); ATO (40/50oW-20oW; 2oN-10oS); NEA (10oN-5oN; 60oW-25oW) e NOA (25oW-0/10oE; 20oN-5oN).
Em cada uma das regiões citadas anteriormente, as séries temporais das variáveis
estudads foram extraídas de forma semelhante ao procedimento empregado por
McClain et al. (1990). Basicamente, consistiu no cálculo da média por região.
6.3.1. O CICLO SAZONAL
O ciclo sazonal descrito aqui foi determinado a partir das imagens temáticas
climatológicas e das médias das regiões. De maneira geral, o ciclo sazonal observado
no presente trabalho, apesar de ter sido obtido de uma climatologia de poucos anos
106
(1978 a 1986), é concordante com o padrão descrito para o Atlântico Tropical
(PIRATA,1996; Servain et al., 1998).
TEMPERATURA DA SUPERFÍCIE DO MAR
A distribuição de TSM no Atlântico Tropical é marcada por grandes diferenças entre os
lados leste e oeste da bacia (Figura 6.13). Enquanto o leste exibe um forte ciclo
sazonal com temperaturas variando em até 5oC de uma estação a outra, o mesmo não
é observado no oeste, quando as temperaturas mantêm-se elevadas e variam pouco
ao longo do ano, aproximadamente em 1oC.
18
19
20
21
22
23
24
40 Wo 30 Wo 20 Wo 0o10 Wo
J
F
M
A
M
J
J
A
S
O
N
D
J
F
M
A
M
J
J
A
S
O
N
D
25
26
27
28
29
30
TSM
(C)
Fig. 6.13 – Climatologia TSM para o período de 1978 a 1986. Média entre 10oN-10oS.
Durante a primeira metade do ano, de janeiro a maio, a distribuição espacial de TSM
segue um padrão constante caracterizado por uma extensa região com elevadas
temperaturas, em média 27o C, que ocupa a maior parte da bacia, indo da costa do
Brasil à África. Esta região quente é limitada a norte, em 10oN, e a sul, em 10oS, por
áreas de temperaturas relativamente baixas, cerca de 24oC (Figura 6.14).
A partir de maio observa-se uma mudança no padrão descrito anteriormente, que
passa a ser caracterizado por uma língua de águas frias que inicia-se no golfo da
107
>31<17 18 19 20 21 22 23 24 25 26 27 28 3029
TSM ( C)o
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
Fig. 6.14 – Temperatura da Superfície do Mar – Média Mensal Climatológica (1978/1986)
108
Guiné e propaga-se para oeste. Em agosto-setembro, esta língua ocupa a maior
extensão, quando também apresenta maior intensidade, chegando até a 17oC na
região ao sul, próximo à costa africana. De outubro a dezembro, esta língua de águas
frias reduz-se tanto em extensão quanto em intensidade, mas ainda ocupa grande
região a sul do equador (Figura 6.14).
Na figura 6.15 encontra-se a distribuição temporal da TSM por região. Pode ser
observado que as quatro regiões apresentam sazonalidade, que é mais forte no ATL
pela maior variabilidade de temperatura. Servain et al. (1985) e Kampel (1993),
utilizando diferentes bases de dados calcularam o desvio padrão da TSM para toda a
bacia. Estes autores observaram que as maiores variâncias no Atlântico Tropical
ocorrem no leste, uma área típica de ressurgência, enquanto a mínima variabilidade é
observada no equador termal que migra meridionalmente ao longo do ano de modo
similar à ZCIT..
Fig. 6.15 – Ciclo sazonal da TSM, média por região.
Nas regiões localizadas no hemisfério sul, ou seja, ATL e ATO, o ciclo anual de TSM
é marcado por uma estação quente que ocorre de janeiro a abril e uma estação fria
que vai de junho a setembro. A sucessão do evento quente ao frio segue as estações
do ano, isto é, as maiores temperaturas ocorrem durante o verão e as mais baixas
estão associadas ao inverno. Apesar de apresentarem a mesma evolução, no ATL o
21
22
23
24
25
26
27
28
29
jan fev mar abr mai jun jul ago set out nov dez
meses
TSM
(oC
)
ATL
ATO
NOA
NEA
109
ciclo sazonal é mais evidente pois a temperatura varia em até 5oC de uma estação a
outra, enquanto no ATO a variação é da ordem de 1oC. A maior variabilidade que
ocorre no ATL, como mencionado anteriormente, deve-se ao evento de ressurgência
das águas subsuperficiais que, por serem mais frias, reduzem a temperatura na
superfície.
No NEA e no NOA, regiões localizadas totalmente no hemisfério norte (HN), a
evolução do ciclo anual é inversa àquela observada anteriormente. Isto significa que a
estação fria ocorre de janeiro a abril, no inverno do HN, e a estação quente vai de
agosto a outubro, no verão-outono daquele hemisfério. Como para a região ATO, a
variação entre a máxima e mínima temperatura no NEA e no NOA é pequena, da
ordem de 1oC.
VENTOS
Os ventos são a principal forçante dos eventos oceanográficos que ocorrem no
Atlântico Tropical. Ao contrário do parâmetro TSM, a distribuição espacial do
cisalhamento do vento não apresenta grande variabilidade durante o ano,
caracterizando-se por ventos intensos no oeste da bacia equatorial, e ventos mais
fracos no leste (Figura 6.16) (Knox e Anderson, 1985).
Quanto à direção, os ventos são predominantemente de nordeste (NE) no hemisfério
norte e de sudeste (SE) no hemisfério sul. Exceção a este padrão ocorre no leste da
bacia, próximo à costa africana, quando são meridionais, de sul, e, rotacionados no
sentido horário para a África, devido à influência da massa continental (PIRATA,
1996).
O encontro dos alíseos de SE e NE marca a Zona de Convergência Intertropical
(ZCIT), caracterizada por ventos fracos, nuvens convectivas e TSM elevada (Brown et
al., 1989). Neste caso, observa-se uma forte sazonalidade na posição meridional da
ZCIT: No primeiro trimestre do ano, a ZCIT localiza-se próximo ao equador. Em abril,
começa a migrar para norte, quando os ventos de SE estão ligeiramente mais
intensos. Em agosto-setembro alcança sua posição mais ao norte, entre 5o e 10oN. Em
outubro, os ventos de SE enfraquecem-se e a ZCIT inicia o retorno a sua posição
equatorial. Em dezembro, os ventos de NE começam a se intensificar, trazendo a
110
0 0,05 0,1 0,15
τ (N/m ) 2
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
Fig. 6.16 –Cisalhamento do Vento na Superfície – Média Mensal Climatologica (1978/1986)
111
ZCIT para o seu limite sul, próximo ao equador, até os meses de fevereiro-maio (Knox
e Anderson, 1985; Cane, 1987; Servain et al., 1998).
Na figuras 6.17 encontra-se o desvio padrão da intensidade do cisalhamento e seus
componentes, para o período compreendido entre 1979 e 1986. Pode-se observar que
a variância é maior no oeste da bacia. Segundo Servain et al. (1985) esta maior
variabilidade que ocorre no oeste coincide com a região de migração da ZCIT, de tal
forma que a flutuação máxima do componente zonal ocorre na posição média da ZCIT
enquanto que do componente meridional ocorre ao longo da própria ZCIT.
Esta maior variância no oeste fica clara quando plota-se a série temporal por região.
Nas regiões NOA e ATL, ambas localizadas no leste, a variação da intensidade ao
longo do ano é pequena: cerca de 0,05 N/m2 de uma estação a outra e não exibe
evidente ciclo sazonal, enquanto que no ATO e no NEA a variabilidade intra-anual é
superior a 0,1 N/m2, com forte ciclo sazonal (Figura 6.18).
Sabemos que é esta variabilidade do campo dos ventos alíseos do lado oeste da bacia
que se constitui na principal forçante da geração de ondas equatoriais (efeitos não
locais propagando-se zonalmente), e que afetam a dinâmica do ciclo sazonal,
superpondo-se aos forçamentos locais descritos pelo bombeamento de Ekman. No
entanto, a investigação sobre esta dinâmica não faz parte deste trabalho introdutório.
112
10 No
0o
10 So
20 So
20 No
60 Wo 40 Wo 20 Wo 0o0
0,02
0,04
0,06
0,08
0,1
0,12
Des
vio
Padr
ão
20 Eo
(A) INTENSIDADE DO CISALHAMENTO
(B) COMPONENTE ZONAL
(C ) COMPONENTE MERIDIONAL
10 No
0o
10 So
20 So
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
10 No
0o
10 So
20 So
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
0
0,02
0,04
0,06
0,08
0,1
Des
vio
Pad
rão
Des
vio
Padr
ão
Fig. 6.17 – Desvio-padrão para o período 1978-1986: (a) cisalhamento; (b) componente zonal e (c) componente meridional.
113
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
10 Wo 0o
Longitude
JF
MA
MJ
JA
SO
ND
50 Wo 30 Wo40 Wo
Longitude
(b) NOA(a) NEA
0 0,05 0,1 0,15
τ (N/m )2
Longitude
Fig. 6.18 – Ciclo sazonal do cisalhamento do vento, média por regiões: (a) NEA; (b) NOA; (c) ATO e (d) ATL.
Analisando o cisalhamento do vento em termos de seus componentes, observa-se que
o componente zonal é geralmente mais intenso que o meridional, exceto no leste da
bacia, próximo à costa africana, quando este componente é de igual ou maior
magnitude que o zonal.
Quanto à distribuição espacial dos componentes, os ventos zonais seguem um mesmo
padrão durante o ano, caracterizado por ventos de leste (positivos) na porção central e
oeste da bacia, e ventos de oeste (negativos) próximo à costa africana. Em geral, os
ventos zonais são mais intensos no oeste que no leste, em média -0,05 N/m2 contra
114
0,01 N/m2. Apesar de manter este padrão de distribuição espacial durante o ano,
observa-se que, na faixa equatorial (entre o equador e 10oN), o limite onde o vento
passa de vento de leste a vento de oeste varia zonalmente. De janeiro a maio, tal
limite localiza-se aproximadamente em 15oW. Em junho, começa a migrar para oeste,
alcançando em agosto sua máxima posição, em 30oW. A partir de setembro, começa
retornar para leste, chegando, em dezembro, à posição observada no início do ano
(Figura 6.19).
De forma semelhante aos ventos zonais, a distribuição espacial do componente
meridional mantêm-se durante o ano, com ventos de sul (positivos), ao sul da faixa
5oN-equador, e ventos de norte (negativos), ao norte daquela faixa. O limite onde
ocorre esta “mudança de sentido” também migra ao longo dos meses, porém os
deslocamentos são menores do que aqueles observados nos ventos zonais (Figura
6.20).
As figuras 6.21 e 6.22 mostram a variabilidade temporal, respectivamente, dos
componentes meridional e zonal, nas regiões estudadas. Pode ser observado que
somente o componente zonal no lado oeste da bacia apresenta forte ciclo sazonal.
115
0,100,05-0,05 0
τ y (N/m )2
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
Fig. 6.19 – Componente Zonal do Cisalhamento do Vento na Superfície – Média Mensal Climatológica (1978/1986)
116
0,100,05-0,05 0
τ x (N/m )2
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo 40 Wo 20 Wo 0o 20 Eo
Fig. 6.20 – Componente Meridional do Cisalhamento do Vento na Superfície – Média Mensal Climatológica (1978/1986)
117
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
10 Wo
0o
Longitude
JF
MA
MJ
JA
SO
ND
50 Wo 30 W
o
40 Wo
Longitude
(b) NOA(a) NEA
0,100,05-0,10 -0,05 0
τ y
(N/m )2
Fig. 6.21 - Ciclo sazonal do componente meridional do vento, por regiões: (a) NEA; (b) NOA; (c) ATO e (d) ATL. Região rachurada em cinza corresponde a áreas sobre o continente.
118
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
10 Wo 0o
Longitude
JF
MA
MJ
JA
SO
ND
Longitude
(b) NOA(a) NEA
0,100,05-0,10 -0,05 0
τ x (N/m )2
50 Wo 30 Wo40 Wo
Fig. 6.22 – Ciclo sazonal do componente zonal do vento, por regiões: (a) NEA; (b) NOA; (c) ATO e (d) ATL. Região rachurada em cinza corresponde a áreas sobre o continente.
119
BOMBEAMENTO DE EKMAN.
Observando as imagens climatológicas de we (Figura 6.23) identificam-se três feições
distintas: uma com velocidade positiva de 0,2 a 0,5 x 10-5 m/s (ressurgência), ao longo
da costa africana; outra, com velocidade negativa de até -0,5 x 10-5 m/s (subsidência),
que ocupa grande parte da bacia, e uma terceira, com velocidade negativa muito
elevada, superior a -1,5 x 10-5 m/s, próximo ao equador.
A distribuição espacial daquelas feições varia ao longo do ano, sendo mais intensa
entre 4oN e 20oN. No verão-outono do HS, de janeiro a abril, o leste da bacia, ao longo
da costa africana, é caracterizado por velocidades positivas, sendo favorável à
ressurgência. Próximo à faixa equatorial, entre 4oN e 2oN, e entre 2oS e 3oS, localiza-
se uma zona de forte subsidência, que corresponde às contra-correntes equatoriais
adjacentes ao Equador (Bourles et al., 1998; Stramma e Schott, 1999). Esta zona
estende-se da costa do Brasil até aproximadamente 15oW. Nas demais áreas do
Atlântico Tropical a velocidade é baixa e negativa, em média -0,1 x 10-5 m/s.
Em maio, a zona de ressurgência que ocorre entre 4oN e 20oN começa a migrar para
noroeste, alcançando, em agosto, sua máxima extensão, quando ocupa uma área que
vai da África ao Brasil. No mesmo período, a zona de subsidência intensifica-se,
estendendo-se para leste até 10oW. Observa-se também um aumento da extensão da
zona de ressurgência no sudeste da África. Nas demais áreas, o padrão mantém-se
praticamente inalterado, com pequenos de pontos de ressurgência aparecendo na
costa brasileira.
De setembro a novembro, a zona de subsidência mantém-se fortalecida e, a de
ressurgência, observada ao norte enfraquece-se, retornando em dezembro à sua
posição inicial. Neste período, a região de ressurgência no sudeste migra para oeste,
ocupando a área a leste de 10oW.
O padrão espacial descrito aqui é concordante com o obtido por McClain et al. (1990),
exceto em relação à zona de forte subsidência. Isto porque tal zona localiza-se na
região onde, naquele trabalho, we não foi calculada (faixa equatorial foi 5oN-5oS).
Na Figura 6.24 encontram-se os gráficos “tempo x longitude” da série temporal de we,
por região. Ao contrário das variáveis anteriores, para as quais a série temporal foi
obtida por uma média aritmética simples, neste caso, a série foi extraída através de
média ponderada pela área. Este fato, deve-se a observação de que em determinadas
120
Janeiro Fevereiro Março Abril
Maio Junho Julho Agosto
Setembro Outubro Novembro Dezembro
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
<-2 -1,5 -1 -0,5 0 0,5 1 1,5 >2
Bombeamento/Sucção de Ekman W (x 10 m/s)
e
- 5
Fig. 6.23 - Bombeamento/Succão de Ekman - Média Mensal Climatológica (1978/1986)
121
regiões, alguns pontos com velocidade muito elevada superestimavam a média
simples.
JF
MA
MJ
JA
SO
ND
JF
MA
MJ
JA
SO
ND
10 Wo
0o
Longitude
JF
MA
MJ
JA
SO
ND
50 Wo 30 W
o
40 Wo
Longitude
(b) NOA(a) NEA
<-2 -1,5 -1 -0,5 0 0,5 1 1,5 >2
Bombeamento/Sucção de EkmanW (10 m/s)
e
- 5
JF
MA
MJ
JA
SO
ND
Fig. 6.24 – Ciclo sazonal do bombeamento de Ekman, por regiões: (a) NEA; (b) NOA; (c) ATO e (d) ATL. Regiões rachuradas em cinza corresponde a áreas sobre continente.
Analisando a Figura 6.24, observa-se que, no Atlântico Tropical, we não exibe um
nítido ciclo sazonal, exceto em uma parte do ATO, entre 40oW e 25oW, e na região
NEA. De uma maneira geral, as regiões localizadas no leste são favoráveis à
122
ressurgência (we é positivo) durante todo o ano, enquanto as localizadas no oeste são
caracterizadas por subsidência.
Este padrão de distribuição temporal é consistente com o trabalho de Levitus (1988),
que demostrou que apenas a faixa entre o equador e 10oN (aqui inserida
predominantemente na região NEA) apresenta variação anual significativa,
caracterizada por velocidades positivas de março a outubro e por velocidades
negativas de outubro a março. Este padrão de distribuição reflete a migração para
oeste da zona de ressurgência observada na costa noroeste da África.
6.3.2. O PERÍODO 1978-1986
No apêndice B encontram-se os gráficos que mostram a distribuição temporal durante
o período que vai de 1978 a 1986 dos parâmetros: TSM; cisalhamento; componentes
meridional e zonal do cisalhamento; e we. Observa-se que, apesar de alguma
variabilidade interanual, o ciclo sazonal observado na climatologia é verificado quando
em todos os anos do período 1978-1986.
De todos os parâmetros, o que apresenta ciclo sazonal melhor definido é a TSM. A
variação que ocorre é derivada de variações interanuais na amplitude do ciclo sazonal.
O mesmo não ocorre com os demais parâmetros, que apresentam um comportamento
“irregular” quando comparados à TSM. Esta “irregularidade” é originada tanto por
variações na amplitude quanto na duração do ciclo sazonal. Apesar da
“irregularidade”, a forma das curvas (Figura apendice B) é semelhante àquelas
observadas na climatologia, constatando que o ciclo sazonal é o maior sinal do
Atlântico Tropical, durante o período examinado.
6.4. COR DO OCEANO: VARIABILIDADE DA CONCENTRAÇÃO DE PIGMENTOS
Como demostrado no item 6.1.1, a base CZCS sobre o Atlântico Tropical restringe-se
ao período que vai de novembro de 1978 a fevereiro de 1980. Na figura 6.25
encontram-se as imagens deste período. Observando-as torna-se claro que, apesar
deste ser o período mais completo, ainda sim, a cobertura do CZCS sobre o Atlântico
Tropical é bastante irregular. Tal fato prejudicou em muito as análises sobre a
variabilidade temporal da concentração de pigmentos.
123
Novembro_1978 Dezembro_1978 Janeiro_1979 Fevereiro_1979
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
0,04 0,1 0,2 0,3 0,4 0,6 1 4 7 10
Concentração de Pigmentos (mg/m )3
Fig. 6.25 - Imagens CZCS nível 3 - Média Mensal 1978 a 1980.
(continua)
(conclusão Figura 6.25)
124
Janeiro_1980 Fevereiro_1980
Março_1979 Abril_1979 Maio_1979 Junho_1979
Julho_1979 Agosto_1979 Setembro_1979 Outubro_1979
Novembro_1979 Dezembro_1979
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo 20 S
o
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
0,04 0,1 0,2 0,3 0,4 0,6 1 4 7 10
Concentração de Pigmentos (m/gm )3
125
No período 1979-1980, de uma maneira geral o Atlântico Tropical foi caracterizado por
apresentar baixas concentrações de pigmentos ao longo do ano, no máximo de 0,1
mg/m3. Exceção a este padrão ocorre em três regiões:
Atlântico Tropical Leste (ATL), a leste de 20oW entre 2oS e10oS;
Nordeste da América do Sul (NEA), de 50oW até 35oW entre 10oN e 5oN;
Noroeste da África (NOA), a leste de 20oW entre 20oN e 5oN.
Deve ser observado que o ATL engloba a região conhecida como Golfo da Guiné.
Para melhor analisar a variabilidade temporal, como feito anteriormente para as
forçantes físicas, o Atlântico Tropical foi particionado em quatro regiões, para as quais
foram calculadas as respectivas médias e desvios padrão, que servem de índices
mais fáceis de se analisar, ver Servain (1991) como exemplo. Para evitar que as
médias fossem superestimadas, “pixels” com valores superior a 10 mg/m3 foram
considerados dados espúrios ( “outliers” ) e excluídos dos cálculos .
Campbell et al. (1995) demostraram que as medidas de concentração de pigmentos
tendem a distribuir-se lognormalmente (o logaritmo da concentração de pigmentos é
normalmente distribuído) e propuseram que a média de tais medidas deve ser
calculada por um estimador de máxima verossimilhança (EMV) para variáveis
distribuídas lognormalmente. Segundo aqueles autores este método é mais acurado
que a média aritmética simples, e vem sendo utilizado para obter os produtos nível-3
do sensor SeaWiFS. Este estimador foi anteriormente empregado por Monger et al.
(1997) em estudo semelhante, sendo dado pela equação abaixo:
)exp(2
2x
xmles
mX +=
onde,
xmle é o estimador da média de amostras distribuídas lognormalmente;
mx é a média ponderada pela área;
s2x é a variância ponderada pela área.
Na Figura 6.26 encontram-se as médias da concentração de pigmentos das quatro
regiões estudas, obtidas pelo método EMV. Deve ser observado que só foram
126
plotados os meses em que havia pelo menos 40% de “pixels” válidos. Apesar da
ausência de dados, verificou-se que as médias estimadas representam
qualitativamente a variabilidade observada nas imagens, e melhor ilustram o ciclo
sazonal no Atlântico Tropical.
Fig. 6.26 – Variabilidade temporal da concentração de pigmentos entre novembro de 1978 e fevereiro de 1980, média por regiões.
Analisando a figura anterior em conjunto com as imagens de pigmentos, algumas
considerações sobre o ciclo sazonal da concentração de pigmentos podem ser
traçadas:
A oeste de 20oW, na região ATO, a concentração de pigmentos é a mais baixa,
cerca de 0,2 mgm-3, e uniforme ao longo do ano;
Nas demais regiões, há uma evidente variabilidade temporal, com a mínima
concentração ocorrendo por volta de abril-maio-junho de 1979, e a máxima,
ocorrendo em outubro-novembro-dezembro do mesmo ano;
Daquelas três regiões com evidente ciclo sazonal, a que apresenta maior
concentração de pigmentos é NOA. Entretanto, nesta região é difícil
acompanhar a evolução do ciclo anual devido à ausência de dados.
A região ATL apresenta a maior extensão de áreas com alta concentração de
pigmentos. Nesta região, a concentração de pigmentos começa a intensificar-
se no mês de junho de 1979, na área próxima à costa africana. De junho a
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
nov dez jan fev mar abr mai jun jul ago set out nov dez jan fev
meses 1978 a 1980
conc
entra
ção
de p
igm
ento
s (m
g/m
3)
ATL
ATO
NOA
NEA
127
dezembro do mesmo ano, observa-se uma elevação da concentração
concomitante a sua propagação para oeste. A partir de janeiro 1980, a
concentração de pigmentos diminui em toda a região ATL;
A feição mais nítida nas imagens da cor do oceano sobre o Atlântico Tropical é
a que ocorre na região do NEA. Nesta região, a área de alta concentração de
pigmentos é caracterizada pelo seu formato ondulatório, estendo-se da costa
norte da América do Sul até aproximadamente 35oW. Esta feição é nítida e
intensa, com com valores de até 1 mg/m3, em outubro de 1979 e ausente nos
meses de janeiro. O formato ondulatório desta feição tem origem na retroflexão
sazonal da Contra-Corrente Norte Equatorial (CCNE), assunto muito abordado
na literatura (Muller-Karger et al, 1988; Johns et al., 1990; Holvorcem e Vianna,
1992), e deve-se a vórtices e ondas equatoriais, processos físicos fora do
escopo deste trabalho.
Os resultados descritos anteriormente são consistentes com os aqueles encontrados
por McClain et al. (1990), Longhurst (1993), Yoder et al. (1993), McClain e Firestone
(1993), Banse e English (1994) e Monger et al. (1997). Apesar destes estudos
utilizarem produtos e procedimentos diferentes, a caracterização do ciclo sazonal da
concentração de pigmentos foi de maneira geral semelhante.
É natural que a concordância não fosse perfeita pois Longhurst (1993) e Monger et al.
(1997) realizaram suas análises sobre imagens CZCS na resolução de 18 km,
enquanto o presente trabalho, o de McClain et al. (1990) e Banse e English (1994)
utilizaram imagens 1o, que degradam a qualidade das informações espaciais. Além
disto, a caracterização da variabilidade temporal foi realizada por diferentes métodos.
Longhurst (1993) se baseou apenas na descrição visual das imagens; Monger et al.
(1997) restringiram suas análises à região do ATL, estimando a média entre 3oN e 3oS
pelo método adotado aqui, e calculando a produtividade primária na região delimitada
por 25oW-10oE e 5oN-5oS; Banse e English (1994), ao invés da média utilizaram a
mediana, em três regiões que não são totalmente concordantes com as definidas no
presente trabalho; McClain et al. (1990) extraíram a série temporal através da média
aritmética, em algumas regiões que também não possuem a mesma extensão e
localização das adotadas aqui.
128
Em geral, os trabalhos citados anteriormente adotaram critérios menos rígidos para
plotar os dados e, por este motivo, as curvas obtidas por eles não apresentam falhas.
Aqui, adotou-se o critério de utilizar somente as médias que foram estimadas com
40% dos “pixels” válidos. Como pode ser observado nas tabelas que se encontram no
apêndice C, algumas regiões possuíam apenas 7 “pixels” válidos! E, assim, tais
médias não são representativas da concentração de pigmentos em regiões tão
extensas como as adotadas aqui. Por tal motivo, foram excluídas dos gráficos e dos
cálculos do coeficiente de correlação.
6.5. CORRELAÇÃO ENTRE AS VARIÁVEIS FÍSICAS LOCAIS E A CONCENTRAÇÃO DE PIGMENTOS
A análise conjunta das variáveis: pigmentos, TSM, cisalhamento e we restringiu-se ao
período que vai de março de 1979 a fevereiro de 1980. Esta análise consistiu
basicamente em:
Verificar visualmente a distribuição espacial daquelas variáveis;
Calcular a correlação entre a concentração de pigmentos e as variáveis
relacionadas às forçantes físicas locais. Como descrito na metodologia, foi
calculado o coeficiente de correlação linear tanto em cada ponto da grade
quanto para as regiões mencionadas anteriormente. Devido ao baixo número
de observações (n < 12) optou-se pela correlação não paramétrica, que é mais
adequada nestes casos. O coeficiente de correlação utilizado foi o coeficiente
Spearman.
O objetivo de estimar a correlação foi ter uma primeira idéia do peso de cada uma das
variáveis, que representam os vários processos locais que afetam o fluxo vertical de
nutrientes, na variabilidade temporal da concentração de pigmentos. Deve ser
observado que tais análises foram muito prejudicadas pelo reduzido número de
observações e não são conclusivas.
A ausência de dados nas imagens CZCS não se restringe ao Atlântico Tropical, sendo
inclusive um fato comum na maioria das regiões do globo. Outros autores (Strubb et
al., 1990; Comiso et al., 1993; Fieldler, 1994) minimizaram este problema quando
testaram a correlação fazendo uma análise qualitativa dos coeficientes de correlação
comparando-os entre si. Esta estratégia foi também adotada no presente trabalho.
129
Este fato significa que não foram feitos todos testes e considerações necessárias da
análise de regressão.
No apêndice D, encontram-se as imagens de: TSM, cisalhamento e seus
componentes e bombeamento de Ekman para o período estudado: março de 1979 a
fevereiro de 1980. Analisando essas imagens em conjunto com as de pigmentos,
observa-se que de todas as variáveis relacionadas à física, a que apresenta maior
similaridade com a distribuição espacial da concentração de pigmentos é o
bombeamento de Ekman. A figura 6.27 mostra as médias anuais destas variáveis.
Pode ser observado que, em geral, as concentrações de pigmentos são altas nas
regiões onde we é favorável à ressurgência. Infelizmente, não é possível quantificar tal
relação pois não foi calculada a correlação entre as imagens. Esta concordância
espacial foi, também, anteriormente notada por McClain et al. (1990) e McClain e
Firestone (1993).
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
<-2
-1,5
-1
-0,5
0
0,5
1
W(1
0m
/s)
e
-5
1,5
>2
Fig. 6.27 – Média anual da concentração de pigmentos (à esquerda) e bombeamento de Ekman (à direita).
A figura 6.28 mostra o coeficiente de correlação em cada ponto da grade, e na tabela
6.1 encontra-se a matriz de correlação por região. De uma maneira geral, no Atlântico
Tropical, a correlação entre a concentração de pigmentos com às forçantes físicas é
maior do aquelas obtidas por Comiso et al. (1993) no Oceano Austral (com a TSM r
variou de -0,07 a -0,064; com o cisalhamento r variou de -0,217 a 0,085; e com we r
variou de -0,085 a -0,001) e por Fiedler (1994) no Pacífico Tropical.
130
0
-0,2
-0,4
-0,6
-0,8
-1
0,2
0,4
0,6
0,8
coef
icie
nte
de c
orre
laçã
o (r
)
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
(A) PIGMENTO X TSM
0
-0,2
-0,4
-0,6
-0,8
-1
0,2
0,4
0,6
0,8
coef
icie
nte
de c
orre
laçã
o (r
)
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
(B) PIGMENTO X CISALHAMENTO
0
-0,2
-0,4
-0,6
-0,8
-1
0,2
0,4
0,6
0,8
coef
icie
nte
de c
orre
laçã
o (r
)
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
(C ) PIGMENTO X COMPONENTE ZONAL
0
-0,2
-0,4
-0,6
-0,8
-1
0,2
0,4
0,6
0,8
coef
icie
nte
de c
orre
laçã
o (r
)
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
0
-0,2
-0,4
-0,6
-0,8
-1
0,2
0,4
0,6
0,8
coef
icie
nte
de c
orre
laçã
o (r
)
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
(D) PIGMENTO X COMPONENTE MERIDIONAL (E) PIGMENTO X BOMBEAMENTO
20 So
10 So
0o
10 No
20 No
60 Wo
40 Wo
20 Wo
0o
20 Eo
1
2
3
4
5
6
7
8
9
10
11
12
Núm
ero
de o
bser
vaçõ
es
(F) NÚMERO DE OBSERVAÇÕES
Fig. 6.28 – Coeficiente de correlação em cada ponto de grade e o número de observações.
- 131 -
TABELA 6.2 – CORRELAÇÃO ENTRE A CONCENTRAÇÃO DE PIGMENTOS E AS
VARIÁVEIS FÍSICAS LOCAIS POR REGIÃO
TSM CIS ZON MER WE ATL -0,255 -0,772 0,473 -0,827 0,182NOA 0,5 -0,267 -0,817 -0,633 0,533NEA 0,482 0,009 0,045 0,073 -0,145
Em virtude da discussão neste trabalho ser restrita ao ATL, só será analisado os
coeficientes de correlação nesta região. Na figura 6.29 encontram-se os gráficos de
dispersão entre a concentração de pigmentos e as variáveis físicas locais no ATL.
Fig. 6.29 - Diagramas de Dispersão entre a concentração de pigmentos e as variáveis físicas locais no ATL.
Analisando a figura 6.28 em conjunto com a tabela 6.2 pode-se observar que no ATL,
as variáveis físicas melhor correlacionadas com a concentração de pigmentos foram: o
componente meridional do cisalhamento (r = ~-0,8) e a intensidade do cisalhamento (r
= ~-0,7). Deve ser notado que no ATL, os ventos são predominante de sul
132
(componente meridional), sendo a componente zonal desprezível, tanto que a
intensidade do cisalhamento e o componente meridional são altamente
correlacionados (r foi igual a 0,97, o que explica 94 % da variância da intensidade).
O surpreende na alta correlação que há entre as séries temporais de pigmentos e o
cisalhamento é sua relação inversa. Os ventos meridionais na região próxima à costa
africana induzem a ressurgência das águas subsuperficiais, o que poderia explicar a
alta correlação que há entre estas variáveis no ATL. Porém, não explica a relação
inversa que há entre elas. O que se é esperado é que, à medida que o componente
meridional intensifique-se, aumente a ressurgência costeira e a concentração de
pigmentos na coluna d’água seja realçada, isto é, haja uma relação direta, e não
inversa, como foi o caso. Um dos motivos que pode explicar esta forte relação inversa
é o fato que as imagens CZCS no bimestre junho-julho, de acordo com Monger et al.
(1997), subestimam a concentração de pigmentos por um fator superior a 4.
De todas as variáveis físicas locais a que apresentou menor correlação com
pigmentos foi o bombeamento de Ekman (r= 0,18). Tal fato significa que a
variabilidade temporal da concentração de pigmentos é controlada por outros
processos que não a ressurgência gerada por ventos locais, apesar da distribuição
espacial daquela variável estar condicionada ao bombeamento de Ekman. Para
ilustrar este fato, extraiu-se a série temporal de ambas as variáveis para uma subárea
do ATL, localizada entre 5oS-10oS e 0o a costa africana (Figura 6.30). Pode-se
observar que não há relação evidente entre os ciclos sazonais da concentração de
pigmentos e do bombeamento.
133
00.10.20.30.40.50.60.70.80.9
11.11.21.31.41.51.61.71.81.9
2
mar abr mai jun jul ago set out nov dez jan fev
meses
conc
entra
ção
de p
igm
ento
s (m
g/m
3)
0
0.05
0.1
0.15
0.2
0.25
we
(x 1
0-5
m/s
)
pigmentowe
Fig. 6.30 – Ciclo sazonal da concentração de pigmento e do bombeamento de Ekman para uma subárea do ATL (5oS-10oS e 0o a costa africana).
Nota-se, ainda, que apesar da TSM e da concentração de pigmentos exibirem relação
inversa, como era esperado, o coeficiente foi relativamente baixo, cerca de –0,25. Isto
nos leva a supor que a TSM do ATL não seja apenas governada pelos processos
dinâmicos do oceano, mas também por processos termodinâmicos da interface
oceano-atmosfera (Houghton, 1991; Servain et al., 1998).
Resumindo a relação entre a distribuição da concentração de pigmentos e as variáveis
físicas locais no ATL pode ser descrita como :
1. A zona de alta concentração de pigmentos no ATL ocorre em uma área que é
favorável a ressurgência durante todo o ano;
2. Na qual a TSM varia sazonalmente em cerca de 5oC de uma estação a outra
(mínimos valores de TSM ocorrendo por volta de junho a outubro e máximos
ocorrendo de janeiro a maio);
3. Onde os ventos são predominantemente meridionais (de sul); a intensidade do
cisalhamento varia pouco (desvio padrão é em média 0,01 N/m2), com máxima
intensidade do componente meridional ocorrendo em maio-junho;
134
4. A única das variáveis físicas examinadas que apresentou correlação significante
com a variabilidade da concentração de pigmentos foi o componente meridional
(e/ou intensidade do cisalhamento), sendo esta relação inversa.
135
CAPÍTULO 7
DISCUSSÃO
Como observado nas imagens CZCS, o Atlântico Tropical exibiu no biênio 1978-1980
três áreas com alta concentração de pigmentos, localizadas, respectivamente: no
noroeste da África; no nordeste da América do Sul e, o mais extenso, no Atlântico
Oriental.
Devido à baixa resolução das imagens utilizadas (1o), não foi possível separar a área
costeira do Golfo da Guiné (GG) daquela do Atlântico Tropical Leste como feito em
trabalhos anteriores. Sobre este assunto, Longhurst (1993) considera o GG como um
caso especial do ATL, e Monger et al. (1997) propõem que alguns dos mecanismos
que induzem e mantêm o alta concentração no ATL são semelhantes àqueles
discutidos por Longhurst para o GG. Assim, não é tão errôneo considerá-los como
uma única área, como feito aqui.
A principal característica da variabilidade da concentração de pigmentos nas regiões
citadas anteriormente é a sazonalidade, conforme pôde ser observado na figura 6.26.
A constatação de que o ciclo sazonal é muito importante no Atlântico Tropical é
apoiada pelo exame das forçantes físicas, cuja base de dados é mais completa do que
a de pigmentos, como demonstrado no capítulo anterior.
Além da sazonalidade, as regiões analisadas apresentam também variação interanual.
Esta variação é mais nítida no lado leste da bacia: diferença de 0,3 mg/m3 entre os
meses de dezembro de 1978 e de 1979 no ATL, e, 0,45 mg/m3 no NOA, contra 0,1
mg/m3 no NEA. Em geral, as áreas de alta concentração no último bimestre de 1979
foram mais intensas e extensas do que aquelas observadas em 1978.
McClain et al. (1990), analisando várias regiões no Atlântico, inclusive o ATL e NOA,
investigaram as possíveis origens daquela diferença, e, sugerem que esta é realmente
uma variabilidade interanual, e não originada pela redução da sensibilidade
radiométrica do sensor. Como se sabe, a perda radiométrica nas bandas 1 (443 nm) e
2 (520nm) foram maiores do que na banda 3 (550 nm) (Gordon et al., 1983; Evans e
Gordon, 1994). Se o procedimento de correção deste problema não é eficiente, a
concentração de pigmentos derivada das imagens tende a aumentar com o tempo, de
forma semelhante em todas as regiões. McClain et al. (1990) basearam-se nesta
premissa, e observaram que das regiões analisadas por eles, em um total de 11,
136
somente aquelas localizadas no leste do Atlântico Tropical apresentavam diferenças
entre os anos de 1978 e 1979. E, assim, concluíram que tais diferenças derivam da
variabilidade interanual.
Estendendo o raciocínio de McClain et al (1990) para as demais regiões do Atlântico
Tropical, concluí-se que sobreposto à forte sazonalidade, a concentração de
pigmentos exibe também variabilidade interanual em toda a bacia. Infelizmente, não é
possível com a base CZCS documentar de forma consistente esta variabilidade, já que
a série temporal formada por aquelas imagens é curta.
Tendo em vista a extensão e a complexidade do assunto, afinal, como descrito no
capítulo anterior, as condições oceanográficas e o ciclo anual são diferentes para as
diferentes regiões, aqui será analisado apenas aquele que ocorre no Atlântico Tropical
Leste. Para maior detalhe sobre as demais regiões, consulte: Müeller-Karger et al.
(1988); Müeller-Karger et al. (1989); Longhurst (1993); Longhurst (1995b); Müeller-
Karger et al. (1995) (para a alta concentração associada a dispersão das águas do rio
Amazonas e a retroflexão da CNB que ocorre na região NEA); Wooster et al. (1976),
Nelson e Conway (1979), McClain et al. (1990), Van Camp et al. (1991), Longhurst
(1993), McClain e Firestone (1993) (para a região NOA).
7.1. O ATLÂNTICO TROPICAL LESTE
Como descrito no capítulo anterior, a formação do área de alta concentração de
pigmentos no ATL teve início em junho de 1979 e alcançou sua máxima intensidade e
extensão durante o último bimestre do ano. Neste bimestre, ocupou toda a área a leste
de 20oW entre 2oN e 10oS chegando a 1 mg/m3, em média. Deve ser salientado que as
imagens dos meses de junho e julho tendem a subestimar a concentração de
pigmentos in situ e, assim, a concentração de pigmentos neste bimestre é maior do
que a derivada das imagens.
Como demonstrado por Herbland e Voituriez (1979), no ATL existe uma associação
permanente entre a profundidade de máxima concentração de clorofila (PMC), o topo
da nitraclina e a profundidade de máxima produtividade primária (PMP). A nitraclina
como definida por Minas et al. (1983) corresponde ao ponto de inflexão no perfil
vertical de nitrato, dividindo a camada superficial, em duas partes: acima da nitraclina,
as águas são pobres em nitrato e, abaixo, possuem alta concentração. Nesta segunda
137
camada, a intensidade luminosa é geralmente um fator limitante, principalmente
quando a nitraclina é profunda.
O fato de estatisticamente a PMC, a nitraclina e PMP serem coincidentes significa que
ao contrário do Pacífico, a produtividade no ATL é limitada por nutrientes (Voituriez e
Herbland, 1979; Monger et al., 1997).
McClain et al. (1990) investigaram o possível papel do transporte eólico de nutrientes
traços do deserto do Saara para a região ATL e concluíram que aparentemente este
não é um fator que influencie a variabilidade de biomassa na região. Assim, pode-se
concluir que a indução e a manutenção da alta concentração é conectada,
principalmente, aos mecanismos físicos que transportam nutrientes à camada
superficial.
Como mencionado no capítulo 1, nos anos 80, dois mecanismos foram propostos para
explicar o enriquecimento de nutrientes: ressurgência resultante da divergência
equatorial forçada pelo cisalhamento dos ventos (Minas et al., 1983 e Herbland et al.,
1983) e mistura turbulenta entre o ramo norte da Corrente Sul Equatorial (CSEN) e a
Corrente Equatorial Subsuperficial (CESS) (Voituriez e Herbland, 1979). Entretanto,
como observado por Longhurst (1993), tais processos não são suficientes para
explicar a extensão e a variabilidade temporal da concentração de pigmentos no ATL,
como demonstrado pelas imagens CZCS.
Os resultados obtidos no presente trabalho são consistentes com tal observação, pois
o coeficiente de correlação entre a variável we (que expressa a ressurgência forçada
por processos locais) e a concentração de pigmentos foi o menor entre todas as
variáveis analisadas (r = 0,18, o que explica apenas 3% da variabilidade da
concentração de pigmentos!). É lógico que a série de dados foi pequena e que há um
intervalo entre a injeção de nutrientes na camada superficial e o desenvolvimento do
fitoplâncton, fato não considerado na correlação estimada aqui. E assim, os resultados
devem ser interpretados com cautela.
Longhurst (1993) notou, também, que a formação da língua fria é concomitante ao
desenvolvimento das altas concentrações e acontece aproximadamente sobre a
mesma região, fato também observado aqui. Então, propôs que os mecanismos que
induzem a formação da língua de águas frias devem ser os mesmos que induzem a
formação da alta concentração.
138
O resfriamento no ATL ocorre não apenas pela ressurgência local, mas é, também,
forçado remotamente por variações na intensidade dos ventos alíseos de SE, no lado
oeste da bacia equatorial. Em maio, quando a componente zonal do vento nesta
localidade intensifica-se bruscamente, como conseqüência ao súbito deslocamento
para norte da ZCIT, induz, no final do mês, a formação de uma onda Kelvin de
ressurgência que propaga-se para leste.
Hastenrath e Merle (1987) mostraram que uma das conseqüências da intensificação e
relaxamento dos ventos zonais, a oeste de 35oW, é a variação na profundidade da
termoclina e da camada de mistura ao longo da bacia. Esta variação é tal que, de abril
a agosto, a termoclina e a camada de mistura tornam-se profundas no lado oeste, e
rasas no leste da bacia, como conseqüência de forçamentos diretos, e “não locais”.
Longhurst (1993) baseado em trabalhos anteriores (Voituriez et al., 1982 e Oudot,1987
citados por Longhurst, 1993; Herbland et al., 1983; Herbland et al., 1987), verificou
que, também a PMC e a nitraclina respondem de maneira semelhante ao forçamento
remoto. E concluiu que a sazonalidade observada nas imagens deve-se as variações
da PMC, que torna-se rasa durante junho-agosto, passível de ser detectada por
sensoriamento remoto, propondo o seguinte modelo conceitual para explicar as altas
concentrações de pigmentos em todo o ATL:
1) As altas concentrações observada nas imagens ocorre em uma região onde o
cisalhamento do vento apresenta pequena variabilidade sazonal, e o rotacional é
fraco e tem sinal negativo;
2) A indução da formação da zona de altas concentrações deve-se ao forçamento
remoto, originado pela intensificação do componente zonal do vento no oeste da
bacia equatorial. Os ventos zonais, ao tornarem-se intensos naquela região fazem
com que a termoclina, a nitraclina e a PMC tornem-se rasas no ATL, com
defasagem de 1 mês, tipicamente. Na mesma época, o componente meridional dos
ventos locais alcança sua máxima intensidade;
3) Esta componente meridional fortalecida intensifica o transporte de águas frias e
ricas em nutrientes através do gradiente termal. Combinado com a nitraclina rasa,
que não é mais limitada pela luminosidade, transforma a PMC em uma floração
superficial.
139
4) Esta floração mantém-se até o final do ano porque a termoclina e nitraclina
continuam em profundidades baixas, apesar do fluxo positivo de calor e da mistura
devido aos ventos meridionais locais.
Comparando o modelo proposto por Longhurst com os resultados obtidos no trabalho,
observa-se que realmente, no ATL, a variabilidade sazonal do cisalhamento do vento é
pequena, cerca de 0,02 N/m2, e o desenvolvimento da zona de altas concentrações
inicia-se quando o componente meridional dos ventos locais e o componente zonal no
ATO estão fortalecidas. Além disto, de todos os parâmetros avaliados, o que
apresentou maior coeficiente de correlação com a concentração de pigmentos foi o
componente meridional do vento, tanto em cada ponto de grade, quanto por regiões
(r= -0,8, o que explica cerca de 64% da variabilidade da concentração de pigmentos).
Apesar do modelo conceitual proposto por Longhurst (1993) explicar melhor a indução
da alta concentração de pigmentos do que os anteriores (Voituriez e Herbland, 1979;
Minas et al., 1983; Herbland et al., 1983), ele não consegue explicar de forma
satisfatória a sua manutenção até dezembro, e nem o seu enfraquecimento a partir de
janeiro. Além disto, não explica também a ausência de variabilidade sazonal entre 4oW
e 10oW, como observado nas imagens e estudos in situ.
Monger et al. (1997), baseados em estudos anteriores, verificaram que a dinâmica da
termoclina gerada por forçamento remoto não é suficiente para manter a alta
concentração após agosto, já que após este mês a termoclina retorna a sua condição
original, em maiores profundidades. Desta forma, utilizando os recentes
conhecimentos sobre a dinâmica dos oceanos tropicais, simulação por modelos,
dados in situ, e as imagens do CZCS, os autores propuseram um modelo conceitual
mais completo. Tal modelo explica a maior influência do forçamento remoto originado
pela intensificação do componente zonal do vento, no oeste da bacia equatorial.
Porém, a manutenção das altas concentrações no ATL é explicada pela variação
sazonal da posição relativa entre a CESS e a termoclina. Segundo Vinogradov (1981)
e Reverdin (1996), a CESS é a principal fonte de água subtropical que ressurge nos
oceanos Pacífico e Atlântico. O modelo proposto por Monger et al (1997) pode ser
resumido da seguinte forma (Figura 7.1):
1) Em abril, os ventos alíseos no ATL são moderados e geram fraca ressurgência.
Como o núcleo da CESS encontra-se acima da termoclina, e como
140
demonstrado por Herbland et al. (1983), corresponde à nitraclina, as águas que
ressurgem na superfície apresentam baixa concentração de nutrientes;
2) Em junho e julho, a termoclina, pelo forçamento remoto, torna-se rasa no ATL,
enquanto o núcleo da CESS não apresenta variações significativas de
profundidade. Assim, a água ressurgida apresenta alta concentração de nitrato;
3) A combinação de forte ressugência e alta concentração de nitrato produz um
forte fluxo vertical advectivo de nutrientes;
4) Em outubro e novembro, a termoclina retorna a sua posição original de maior
profundidade, porém o núcleo da CESS aprofunda-se em relação ao nível de
abril, encontrando-se na mesma profundidade que a termoclina. Assim, a água
ressurgida apresenta maior concentração de nitrato do que em abril. Além
disto, os ventos zonais no ATO são mais intensos neste bimestre do que
naquele mês, sendo favorável à ressurgência no leste, e ao fluxo vertical de
nutrientes.
5) No mês de janeiro, o núcleo da CESS encontra-se acima da termoclina e,
consequentemente, a água que ressurge é pobre em nutrientes, sendo o fluxo
vertical de nitrato extremamente reduzido.
0
20
40
60
80
100
2 So
0o
2 No
Prof
undi
dade
(m)
CESS
Jan-Mai
termoclina
2 So
0o
2 No
CESS
Jun-Ago
2 So
0o
2 No
CESS
Set-Dez
Fig. 7.1 - Modelo conceitual proposto por Monger et al. (1997) para explicar a variabilidade da concentração de pigmentos no ATL. CESS é a Corrente Equatorial Subsuperficial. A região rachurada é proporcional à concentração de nitrato. E as setas indicam o transporte. FONTE: Monger et al. (1997, p. 12403)
141
Quanto à ausência do ciclo sazonal entre 4oW e 10oW, Monger et al.(1997) a
explicaram através da propagação de ondas longas na região equatorial, também
geradas pela intensificação e relaxamento dos ventos alíseos de SE, no oeste da
bacia. Esta explicação foi feita pela primeira vez por Weisberg e Tang (1985, 1987),
como resultante de onda estacionária equatorial.
Recentemente, Loukos e Mémery (1999) utilizaram um modelo geoquímico de três
dimensões para simular o ciclo do nitrato no Atlântico Equatorial durante os anos de
1983-1984. Após comparar os resultados obtidos pela simulação com aqueles
derivados do programa FOCAL/SEQUAL, os autores sugerem que o enriquecimento
de nutrientes da camada superficial é função do comportamento da nitraclina e da
CESS, sendo a variabilidade sazonal o sinal predominante da produtividade no ATL.
Os resultados obtidos por tal simulação são consistentes com o modelo proposto por
Monger et al (1997). A figura 7.2 mostra a dinâmica sazonal da profundidade da
nitraclina no ATL, obtida pela simulação de Loukos e Meméry (1999). Pode ser
observado que durante junho-julho, no lado leste, a nitraclina esta próxima à superfície
cerca de 40 metros. Em setembro, aprofunda-se, mantendo-se até o final do ano em
uma profundidade média de 70 metros.
142
Fig. 7.2 – Ciclo sazonal da profundidade (em metros) da nitraclina (a esquerda) e anomalia de profundidade (a direita) no ATL (média entre 2oN-2oS). Aqui, a nitraclina eqüivale à concentração de nitrato é igual a 6 μmol/L. FONTE: Loukos (1998)
Apesar do modelo conceitual proposto por Monger et al (1997) explicar, em grande
parte, a variabilidade observada nas imagens CZCS e, assim, o ciclo sazonal da
biomassa fitoplanctônica, são necessárias investigações mais profundas para avaliar o
modelo conceitual e quantificar a influência de cada um dos mecanismos responsáveis
pelo suprimento de nutrientes. Principalmente se pensarmos que tal modelo foi
sugerido para explicar o ciclo sazonal observado em 1979, que pode não ser
considerado o padrão da região. Somente com as imagens do sensor SeaWiFS,
colocado em órbita em agosto de 1997, e de seus sucessores, será possível
determinar qual é realmente a distribuição espacial e temporal da produtividade
primária no ATL. E, com os avanços nos conhecimentos da dinâmica física dos
oceanos tropicais, verificar e quantificar o forçamento físico (tanto locais quanto
remotos) dos processos biológicos nesta região.
143
CAPÍTULO 8
CONCLUSÕES
A proposta do presente trabalho foi descrever a variabilidade da concentração de
pigmentos no Atlântico Tropical como um indicativo da produtividade primária na
região, examinando o papel das forçantes físicas locais.
Infelizmente, como demonstrado no capítulo 6, a ausência de imagens da cor do
oceano sobre o Atlântico Tropical restringiram às análises ao biênio 1979-1980.
Apesar das limitações, os resultados obtidos foram concordantes com os trabalhos
anteriores realizados por McClain et al. (1990), Longhurst (1993), Yoder et al. (1993);
McClain e Firestone (1993), Banse e English (1994) e Monger et al. (1997). O mais
surpreendente é que a descrição das variáveis associadas à física foram também
concordantes com aqueles trabalhos, apesar dos diferentes produtos e procedimentos
empregados para a realização dos mesmos.
Com base nos resultados obtidos, e na revisão bibliográfica realizada ao longo do
trabalho, algumas considerações e conclusões puderam ser traçadas, das quais
destacam-se :
1) Sem dúvida, o sensoriamento remoto da cor do oceano é uma ferramenta útil
no estudo da dinâmica do fitoplâncton. Apesar dos problemas inerentes à base
CZCS, foi possível avaliar a variabilidade espaço-temporal da concentração de
pigmentos. Tal avaliação seria mais difícil e complexa se tivesse como base
somente dados in situ;
2) Os produtos CZCS, processados para grades globais, se mostram mais
adequados para estudar a concentração de pigmentos e a produtividade
primária marinha em larga escala do que cenas individuais;
3) Com o lançamento do SeaWiFS, cujos produtos “nível 3” (grades globais),
além de apresentar estimativas mais acuradas da concentração de pigmentos,
possuem melhor resolução espacial (9 Km) e temporal (médias semanais),
será possível avaliar o desenvolvimento das zonas de alta concentração de
pigmentos. Por exemplo, em maio de 1979 a região ATL caracteriza-se por
apresentar baixa concentração de pigmentos, enquanto em junho já apresenta
altas concentrações em grande parte da área a leste de 20oW;
144
4) Não pode ser esquecida a importância dos dados in situ já que com as
imagens têm-se apenas informações sobre a superfície, e, como demonstrado,
a indução e a manutenção da alta concentração, está conectada aos
processos físicos que ocorrem na camada subsuperficial;
5) Atualmente, com o funcionamento concomitante de várias plataformas orbitais
(NOAA, TOPEX/POSEIDON, ERS etc. ) será possível adquirir-se dados sobre
os parâmetros físicos em conjunto com as imagens da cor do oceano. Tal fato
representa uma capacidade sem precedentes para analisar o forçamento físico
dos processos biológicos através da análise de dados de várias variáveis,
assimilados em modelos físico-biológicos adequados (Olson e Hood, 1994 ;
Servain et al. 1998; McClain et al., 1999);
6) Além disto, vários projetos internacionais estão em curso atualmente, coletando
dados tanto físicos quanto biológicos na coluna d’água Com tudo isto, o futuro
parece ser promissor, onde será possível quantificar a relação entre a dinâmica
física (processos locais e não locais) e a produção orgânica no Atlântico
Tropical.
Para finalizar, ao longo do trabalho aparecem algumas questões que não puderam ser
respondidas, e que podem servir como base para futuros trabalhos no Atlântico
Tropical:
Qual a magnitude da produtividade primária na região?
O ciclo sazonal da biomassa observado no ano de 1979 é o padrão do Atlântico
Tropical?
Há realmente variabilidade interanual, como observado entre novembro-dezembro
de 1978 e 1979?
O modelo proposto por Monger et al. (1997) pode explicar a variabilidade em
outros anos que não 1979?
145
REFERÊNCIAS BIBLIOGRÁFICAS
Abbott, O.B.; Brown, H.R.; Gordon, K.L.; Carder, R.;E.; Evans, F.E.; Müller-Karger,
F.E.; Esaias, W.E. Ocean color in the 21st century: a strategy for a 20-year
time series. Greenbelt: Goddard Space Flight Center/NASA, 1994. 20 p. (NASA
Tech. Memo. 104566 /v. 17).
Ackein, J.; Moore, G.I.; Trees, C.C.; Hooker, S.; Clark, D.K. The SeaWiFS
CZCS-type pigment algoritm. Greenbelt: Goddard Space Flight Center/NASA,
1995. 34 p. (NASA Tech. Memo. 104566 /v. 29).
Agência Espacial do Japão (NASDA). Home-page da agência espacial do Japão.
<http://yyy.tksc.nasda.go.jp>. 6 April 1999.
Alfutis, M. A.; Casey, K. S. Phytoplankton pigment concentration. [on line].
<http://mohawk.gsfc.nasa.gov/~casey/satlab.html>. 6 April 1998.
André, J.M.; Morel, A. Atmospheric corrections and interpretation of marine radiances
in CZCS imagery, revisited. Oceanologica Acta, v. 14, n. 1, p. 3-22, 1991.
Armstrong, R. A. Oceanic fronts in the northeastern caribbean revelated by satellite
ocean colour imaging. International Journal Remote Sensing, v. 15, n. 6, p.
1169-1171, 1994.
Banse, K.; English, D. C. Seasonality of coastal zone color scanner phytoplankton
pigment in the offshore oceans. Journal of Geophysical Research, v. 99, n. C4,
p. 7323-7345, 1994.
Barale, V. Sea surface colour in the field of biological oceanography. International
Journal of Remote Sensing, v. 12, n. 4, p. 781-793, 1991.
Barale, V.; Fay, R.W. Variability of the ocean surface color field in central California
near coastal waters as observed in a seasonal analysis of CZCS imagery. Journal
of Marine Research, v. 44, p. 291-316, 1986.
146
Beherenfeld, M.J.; Esaias, W.;.; Falkowski, P.G.; Balch, B.; Campbell, J.W.; Iverson,
R.L.; Kiefer, D.A .; Morel, A .; Yoder, J.A . Toward a consensus productivity
algorithm for SeaWIFS: summary report for 23-25 january 1994 workshop. [on
line]. <URL://opp.gsfc.nasa.gov/pub/doc/PP_WKSH_94/jan94_ws.txt>. 17
February 1998.
Bourlès, B.; Gouriou, Y.; Chuchla, R. On the circulation in the upper layer of the
western equatorial Atlantic. (Accepted). Journal of Geophysical Research.
1998.
Brock, C; McClain, C. R.; Luther, M.;.; Hay, W. W. The phytoplankton bloom in the
northwestern Arabian sea during the southwest monsoon of 1979. Journal of
Geophysical Research, v. 96, n. C11, p. 20623-20642, 1991.
Brown, J.; Cooling, A.; Park, D.; Phillips, J.; Rothery, D.; Wright, J. Ocean
Circulation. Oxford: The Open University and Pergamon Press, 1989. 238p.
Campbell, J. W.; Blaisdell, J.M.; Darzi, M. Level-3 SeaWiFS data products: spatial
and temporal binning algorithms. Greenbelt: Goddard Space Flight
Center/NASA, 1995. 73 p. (NASA Tech. Memo. 104566 /v. 32).
Cane, M.A. Atlantic Seasonality: I. Observations. In: Further progress in equatorial
oceanography – a report of the U.S. TOGA workshop on the dynamics of the
equatorial ocean, Honolulu, 1986. Anais. Florida: Nova University Press, 1987.
p. 215-233.
Chavez, F. P.; Smith, S. L. Biological and chemical consequences of open ocean
upwelling. [on line]. < http://
www.fu-berlin.de/dahlem/publications/no_es18/chapter7.html>. 1996.
Coastal Zone Color Scanner (CZCS). Coastal Zone Color Scanner. [on line].
<http://daac.gsfc.nas.gov/SENSOR_DOCS/CZCS_sensor . html>. 17 November
1997.
147
Comprehensive Ocean-Atmosphere Data Set (COADS). Comprehensive
ocean-atmosphere data set . [on line]. <http://www. cdc.noaa.gov/coads>. 20
July 1998.
Comiso, J.C.; McClain, C. R.; Sullivan, W.; Ryan, J. P.; Leonard, C.L. Coastal Zone
Color Scanner pigment concentrations in the southern ocean and relationships to
geophysical surface features. Journal of Geophysical Research, v. 98, n. C2,
p. 2419-2451, 1993.
Cullen, J.J. Hypotheses to explain high-nutrient conditions in the open sea.
Limnology and oceanography, v. 36, n. 8, p. 1578-1599, 1991.
ECMWF. The ECMWF Re-Analysis (ERA) Project. [on line].
<http://www.ecmwf.int/html/ERA/index.html>. 31 march 1999.
Elisenger, D.L.; Iverson, R.L. Wind effects on Coastal Zone Color Scanner chlorophyll
patterns in the US Middle Atlantic Bight during spring 1979. Journal of
Geophysical Research, v. 91, n. C11, p. 12 985 - 12 992, 1986.
Esaias, W. E.; Abbott, M. R.; Barton, I.; Brown, O. B.; Campbell, J. W.; Carder, K.L.;
Clark, D.K.; Evans, R.H.; Hoge, F. E.; Gordon, H. R.; Balch, W. M.; Letelier, R.;
Minnet, P. J. An overview of MODIS capabilities for ocean science observations.
IEE Transaction on geoscience and remote sensing, v. 36, n. 4, p. 1250-1265,
1998.
Evans, R.H.; Gordon, H.R. Coastal Zone Color Scanner ‘system calibration’: a
retrospective examination. Journal Geophysical Research, v. 99, n. C4, p. 7293
- 7307, 1994.
Feldman, G.C.; Kuring, N.A.; Esaias, W.;.; McClain, C.R.; Erold, J.A.; Maynard, N.;
Endres, D.; Evans, R.; Brown, J.; Walsh, S.; Carle, M.; Podesta, G. Ocean color:
availability of global data set. EOS, v. 70, p. 634-641, 1989.
Fiedler, P.C. Seasonal and interannual variability of Coastal Zone Color Scanner
phytoplankton pigments and winds in the eastern tropical Pacific. Journal of
Geophysical Research, v.99, n.C9, p. 18 371-18 384, 1994.
148
Frost, B.W. The role of grazing in nutrient-rich areas of the open sea. Limnology
and Oceanography, v. 36, n. 8, p. 1616-1630, 1991.
Gargett, A. ;. Physical processes and maintenance of nutrient-rich euphotic zones.
Limnology and Oceanography, v. 36, n. 8, p. 1527-1545, 1991.
Global Ocean Surface Temperature Atlas (GOSTA). Global ocean surface
temperature atlas plus. [CD-ROM]. MIT/UKMO/PODAAC. 1996.
Gordon, H.R; Clark, D.K. Atmospheric effects in the remote sensing of phytoplankton
pigments. Boundary-Layer Meteorology, v.18, n.3, p. 299-313, 1980.
Gordon, H.R; Morel, A.Y. Remote assessment of ocean color for interpretation of
satellite visible imagery : a review. New York: Springer-Verlag, 1983. 114 p.
Lectures notes on coastal and estuarine studies, v. 4.
Gordon, H.R ; Clark, D.K.; Mueller, J.L; Hovis, W.A. Phytoplankton pigments from the
Nimbus-7 Coastal Zone Color Scanner: Comparisons with surface measurements.
Science, v. 210, n. 4465, p. 63-68, 1980.
Gordon, H.R.G.; Brown, J. W.; Brown, O. B.; Evans, R. H. ; Clark, D. K. Nimbus 7
CZCS: reduction of its radiometric sensitivity with time. Applied Optics, v. 22, n.
24, p. 3929-3931,1983.
Gordon, H.R ; Clarck, D.K.; Brown, J.W.; Brown, O.B.; Gans, R.H. ; Broenkow, W.W.
Phytoplankton pigment concentrations in the Middle Atlantic Bight: comparison of
ship determinations and CZCS estimates. Applied Optics, v. 22, n. 1, p. 20-36,
1983.
Gordon, H.R ; Brown, J.W. ; Evans, R.H. Exact Rayleigh scattering calculations for
use with the Nimbus-7 Coastal Zone Color Scanner. Applied Optics, v. 27, n. 5,
p. 862-871, 1988.
Gower, J.F.R.; Denman, K.L. ; Holyer, R.J. Phytoplankton patchines indicator the
flutuaction spectrum of mesoscale oceanic structure. Nature, v. 288, n. 5787, p.
157-159, 1980.
149
Goddard Space Flight Center (GSFC). Ocean Color from Space. [on line].
<http://.daac.gsfc.nasa.gov/CAMPAINGN_DOCS/OCDST/>. 27 February 1999.
Halpern, D.; Freilich, M. H. ; Dunbar, R. S. ERS-1 scatterometers estimates of annual
of Atlantic ITCZ and Pacific NECC. In: Second ERS-1 Symposium – Space at the
service of our environment, Hamburg, 1993. Anais. Noordwijk: ESA, 1994, p.
1003-1008.
Hankin, S. ; Denham, M. FERRET: user’s guide – Version 4.4. California:
NOAA/PMEL/TMAP, 1996. 241 p.
Hanstenrath, S.; Merle, J. Annual cycle of subsurface thermal structure in the tropical
Atlantic ocean. Journal of Physical Oceanography, v. 17, n. 9, p. 1518-1538,
1987.
Herbland, A. ; Voituriez, B. Hydrological structure analysis for estimating the primary
production in the tropical Atlantic ocean. Journal of Marine Research, v. 37, n.
1, p. 87-101, 1979.
Herbland, A.; Bouteiller, A. L. ; Raimbault, P. Size structure of phytoplankton biomass
in the equatorial Atlantic ocean. Deep-Sea Research, v. 32, n. 7, p. 819-836,
1985.
Herbland, A.; Borgne, R.; Bouteiller, A. ; Voituriez, B. Structure hydrologique et
production primaire dans l’Atlantique tropical oriental. Océanographye
Tropicale, v. 18, n. 2, p. 249-293, 1983.
Herbland, A.; Bouteiller, A. L. ; Raimbault, P. Does the nutrient enrichment of the
equatorial upwelling influence the size structure of the phytoplankton in the Atlantic
ocean?. Oceanologica Acta, v. S6, p. 115-120, 1987.
Hocker, S.I.B; Esaias, W.E.; Feldman, G.C.; Gregg, W.W.; McClain, C.R. An
overview of Seawifs and ocean color. Greenbelt: Goddard Space Flight
Center/NASA, 1992. 25 p. (NASA Tech. Memo. 104566 /v. 01).
150
Höll, C.; Karwath, B. ; Rühlemann, C.; Zonneveld, K. A. F. ; Willems, H.
Palaeoenvironmental information gained from calcareous dinoflagellates: the late
Quaternary eastern and western tropical Atlantic ocean in comparison.
Palaeogeography, Palaeoclimatology, Paleoecology, v. 146, p. 147-164, 1999.
Holvorcem, P. R. ; Vianna, M. L. Integral equation approach to tropical ocean
dynamics: Part II – Rossby wave scattering from the equatorial Atlantic western
boundary. Journal of Marine Research, v. 50, p. 33-61, 1992.
Hoovis, W.S.; Clarck, D.K.; Anderson, F.; Austin, R.W.; Wilson, W.H.; Baker, G.T.; Ball,
D.; Gordon, H.R.; Mueller, J.L.; El-Sayed, S.Z.; Sturm, B.; Wrigley, R.C. ; Yentsch,
C.S. Nimbus-7 Coastal Zone Color Scanner: System Description and initial
imagery. Science, v. 210, n. 4465, p. 60-63, 1980.
Houghton, R. W. The relationship of the sea surface temperature to thermocline depth
at annual and interannual time scales in the tropical Atlantic ocean. Journal of
Geophysical Research, v. 96, n. C8, p. 15173-15185, 1991.
Hovis, W.A. The NIMBUS-7 Coastasl Zone Color Scanner (CZCS) Program. In:
Gower, J. ed. Oceanography from space. New York: Plenum, 1981. p. 213 -
225.
Hsieh, W. W. ; Boer, G. J. Global climate change and ocean upwelling. Fisheries
Oceanography, v. 1, n. 4, p. 333-338, 1992.
Jeffrey, S.W.; Vesk, M. ; Mantoura, R.F.C. Phytoplankton pigments: windows into the
pastures of the sea. Nature & Resources, v. 33, n. 2, p. 14-29, 1997.
Jerlov, N.G. Optical oceanography. Amsterdan: Elsevier, 1968. 194p.
Johns, W. E.; Lee, T. N.; Schott, F. A.; Zantopp, R. J. ; Evans, R. H. The north Brazil
current retroflection: seasonal structure and eddy variability. Journal of
Geophysical Research, v. 95, n. C12, p. 22103-22120, 1990.
Kampel, M. Caracterização dos modos principais de variabilidade dos campos
de TSM no Atlântico utilizando dados AVHRR. 111 p. São José dos
151
Campos.(INPE-5535 - TDI/523). Dissertação (Mestrado em Sensoriamento
Remoto) - Instituto Nacional de Pesquisas Espaciais, 1993.
Kennish, M.J. Practical handbook of marine science. Florida: CRC Press, 1990.
710 p.
Kiorbe, T. Turbulence, phytoplankton cell size, and the structure of pelagic food webs.
Advances in Marine Biology, v. 29, n.1, p. 1-72, 1993.
Kirk, J.T.O. Light & photosynthesis in aquatic ecosystem. Cambridge:
Cambridge University Press, 1986. 401 p.
Knox, R.A. ; Anderson, D.L.T. Recent advances in the study of the low-latitude ocean
circulation. Progress in Oceanography, v. 14, p. 259-317, 1985.
Large, W. G. ; Pond, S. Open ocean momentum flux measurements in moderate to
strong winds. Journal of Physical Oceanography, v. 11, n. 4, p. 324-336, 1981.
Leetmaa, A. ; Bunker, A. F. Update charts of the mean annual wind stress,
convergences in the Ekman layers, and Sverdrups transports in the north Atlantic.
Journal of Marine Research, v. 36, n. 2, p. 311-322, 1978.
Levitus, S. Ekman volume fluxes for the world ocean and individual ocean basins.
Journal of physical oceanography, v.18, n. 3, p. 271-279, 1988.
Longhurst, A. ; Harrison, G. The biological pump: Profiles of plankton production and
consuption in the upper ocean. Progress in Oceanography, v. 22, n.1, p.
47-123, 1989.
Longhurst, A. Role of the marine biosphere in the global carbon cycle. Limnology
and Oceanography, v. 36, n. 8, p. 1507-1526, 1991.
Longhurst, A. Seasonal cooling and blooming in the tropical oceans. Deep-sea
Research I, v. 40, n. 11/12, p. 2145-2165, 1993.
Longhurst, A. Seasonal cycles of pelagic production and consumption. Progress in
Oceanography, v. 36, n. 2, p. 77-167, 1995a.
152
Longhurst, A. Interpreting CZCS images of the Amazon plume: reply to comments by
F.;. Müller-Karger, P.L. Richardson and D.McGillicuddy. Deep-Sea Research I, v.
42, n.11/12, p. 2139-2141, 1995b.
Loukos, H. Atlantic model. [on line]. <http://tmap.pmel.noaa.gov/~loukos>. 1998.
Loukos, H. ; Mémery, L. Simulation of the nitrate seasonal cycle in the equatorial
Atlantic ocean during 1983 and 1984. [on line].
<http://www.ipl.jussieu.fr/~hlod/html/loukos_mémery-99.html>. 3 Jun 1999.
Madruga, J.L. Diferenças relativas no desempenho de algoritmos de correção
atmosférica ; bio-ópticos para o processamento das imagens CZCS no
Atlântico Sudoeste. São José dos Campos. 143 p. (INPE-6399 - TDI/615 ).
Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de
Pesquisas Espaciais, 1997.
Mann, K.H. ; Lazier, J.R.N. Dynamics of Marine Ecosystems - Biological/Physical
Interactions in the Oceans. Oxford: Blackwell Science, 1996. 394 p.
Marine Biology Learning Center (MBLC). Home-page marine biology learning
center. [on line]. <http://www.odysseyexpeditions.org/oceanography.html>. May
1999.
McClain, C. R. ; Firestone, J. An investigation of Ekman upwelling in the North
Atlantic. Journal of Geophysical Research, v. 98, n. C7, p. 12327-12339, 1993.
McClain, C. R.; Feldman, G. ; Esaias, W. Oceanic biological productivity. In: Gurney
et al. ed. Atlas of satellite observations related to global change. Cambridge:
Cambridge University Press, 1993, p. 251-264.
McClain, C. R.; Cleave, M.L.; Feldman, G.C; Greeg, W.W.; Hooker, S.B. ; Kuring, N.
Science quality SeaWiFS data for global biosphere research. Sea Technology,
v. 39, n.9, p. 10-16, 1998.
153
McClain, C.; Koblinsk, C; Lewis, M; Murtuggudde, R.; Asanuma, I. ; Busalacchi, A.
Physical-Biological Interactions in the tropical Pacific and Atlantic equatorial
surface layers. U.S. JGOFS Projects Synthesis & Modeling Project. Abstract.
[on line]. <http://www1.whoi.edu/mzweb/smppi/mcclain.html>. July 1999.
McClain, C. R.; Esaias, W.;.; Feldman, G.C; Elrod, J.; Endres, D.; Firestone, J.; Darzi,
M.; Evans, R. ; Brown, J. Physical and biological processes in the North Atlantic
during the first GARP global experiment. Journal of Geophysical Research, v.
95, n. C10, p. 18027-18048, 1990.
McClain, C.R.; Esaias, W.;.; Darzi, M.; Patt, F.S.; Evans, R.H.; Brown, J.W.; Arrigo,
K.R.; Brown, C.W.; Barnes, R.A.; Kumar, L. SeaWiFS Algorithms, Part 1.
Greenbelt: Goddard Space Flight Center/NASA, 1995. 38 p. (NASA Tech. Memo.
104566 /v. 28).
McCreary, J.P. ; Lu, P. Interaction between the subtropical and equatorial ocean
circulations: The subtropical cell. Journal of Physical Oceanography, v. 24, n.
2, p. 466-497, 1994.
McDermott, D.A.; Harrison, D.; Larkin, N.K. An Intercomparison of near-surface
wind products over the ocean on monthly mean and longer time scales,
1985-1990. Seattle: Pacific Marine Environmental Laboratory /NOAA, 1997. 163
p. (ERL PMEL-110 PB97-180111).
Minas, M.; Herbland, A.; Ramade, A. La production primaire dans le structures
hydrologiques de la divergence équatoriale en saison d’upwelling (campagne
CIPREA I). Océanographye Tropicale, v. 18, n. 2, p. 319-329, 1983.
Mitchell, B.G. Coastal Zone Color Scanner retrospective. Journal of Geophysical
Research, v. 99, n. C4, p. 7291-7992, 1994.
Mobley, C. Q. Light and Water. New York: Academic, 1994, p. 64-147.
Molinari, R. L.; Festa, J. F. ; Marmolejo, ;. Evolution of sea-surface meteorological field
in the tropical Atlantic ocean during FGGE, 1979: I. Description of surface fields
154
and computation of the surface energy fluxes. Progress in Oceanography, v.
14, p. 401-420, 1985.
Monger, B.; McClain, C. ; Murtugudde, R. Seasonal phytoplankton dynamics in the
estern tropical Atlantic. Journal of Geophysical Research, v. 102, n. C6, p.
12389-1241, 1997.
Morel, A. ; Berton, J.F. Surface pigments, algal biomass profiles, and potential
production of the euphotic layer: Relationships reinvestigated in view of
remoto-sensing applications. Limnology and Oceanography, v. 34, n. 8, p.
1545-1562, 1989.
Morel, S.; Prieur, L. Analysis of variations in ocean color. Limnology and
Oceanography, v. 22, n. 4, p. 709-722, 1977.
Mueller, J. L.; LaViolette, P.E. Color and temperature signatures of ocean fronts
observed with the NIMBUS-7 CZCS. In: Gower, J. ed. Oceanography from
Space. New York: Plenum, 1981. p. 295-302.
Müeller-Karger, F. E.; McClain, C.R. ; Richardson, P. L. The dispersal of the
Amazon’s water. Nature, v. 333, n. 6168, p. 56-59, 1988.
Müller-Karger, F.E.; McClain, C.R.; Fisher, T.R.; Esaias, W.E. ; Varela, R. Pigment
distribution in the Caribbean sea: Observations from space. Progress in
Oceanography, v. 23, n.1, p. 23-64, 1989.
Müller-Karger, F.E.; Richarson, P.L. ; McGillicussy, D. On the offshore dispersal of the
Amazon’s plume in the North Atlantic: comments on the paper by A. Longhurst,
“Seasonal cooling and blooming in the tropical oceans”. Deep-Sea Research I, v.
42, n. 11/12, p. 2127-2137, 1995.
Nelson, D. M. ; Conway, H. L. Effects of the light regime on nutrient assimilation by
phytoplankton in the Baja California and northwest Africa upwelling systems.
Journal of Marine Research, v. 37, n. 2, p. 301-318, 1979.
Neshyba, S. Light and color in the sea. In: Oceanography perspectives on a fluid
earth. New York: Jonh Wiley & Sons, 1987. p. 235-255.
155
Olson, D.B. ; Hood, R.R. Modelling pelagic biogeography. Progress in the
Oceanography, v. 34, n. 2-3, p. 161-205, 1994.
Pedlosky, J. Ocean Circulation Theory. New York: Springer-Verlag. 1996. 453 p.
Perry, M. J. Assessing marine primary production from space. BioScience, v. 36, n.
7, p. 461-467, 1986.
Peterson, R. G. ; Stramma, L. Upper-level circulation in the south Atlantic ocean.
Progress in Oceanography, v. 26, n. 1, p. 1-74, 1991.
Philander, S. G. El Niño, La Niña and Southern oscillation. New York: Academic,
1990. 293 p. International Geophysics Series, v. 46.
Pickard, G. L.; Emery, E. Descriptive physical oceanography : an introduction.
5.ed. Oxford: Butterworth-Heinemann, 1995. 320 p.
Pilot Research Moored Array in the Tropical Atlantic (PIRATA). Science and
implementation plan for observating system to support tropical Atlantic
climate studies 1997-200. [online].
<http://www.infremer.fr./orstom/pirata/pirata.html>. 1996.
Platt, T.; Carverhill, C. e Sathyendranatch, S. Basin-scale estimates of ocean primary
production by remote sensing the North Atlantic. Journal of Geophysical
Research, v. 96, n. C8, p. 15147-15159, 1991.
Pond, S. ; Pickard, G.L. Introductory dynamical oceanography. 2 ed. Oxford:
Butterworth Heinemann, 1997. 329 p.
Prasad, K.S. ; Haedrich, R.L. Satellite observations of phytoplankton variability on the
Grand Banks of Newfoundland during a spring bloom. International Journal of
Remote Sensing, v. 4, n. 2, p. 241-252, 1993.
Raymont, J.;.G. Plankton and productivity in the oceans. Oxford: Pergarmon
Press, 1976. 660 p.
Reverdin, G. The physical processes of the open ocean upwelling systems. Abstract.
[on line]. <http://www.fu-berlin.de/dahlem/publications/no_es18/chapter6.html>.
1996.
156
Richardson, P. L. ; Walsh, D. Mapping climatological seasonal variations of surface
currents in the Tropical Atlantic using ship drifts. Journal of Geophysical
Research, v. 91, n. C9, p. 10 537 - 10 550, 1986.
Robinson, J. S. Satellite oceanography and introduction for oceanographers and
remote sensing scientists. Southampton: Ellis Howood, 1985. 455p.
Sea-Wide Field-of-view Sensor (SeaWiFS). Sea-wide field-of-view sensor. [on
line]. < http://www.seawifs.gsfc.nasa.gov>. 10 March 1999.
Seibert, Q. D. Introduction to Ocean Optics. In:Ocean Optics, 6, California, 1979.
Anais. California: SPIE ,1980. p. 15-43.
Servain, J. Simple climatic indices for the tropical Atlantic ocean and some
applications. Journal of Geophysical Research, v. 96, n. C8, p. 15137-15146,
1991.
Servain, J.; Picaut, J. ; Busalacchi, A. J. Interannual and seasonal variability of the
tropical Atlantic ocean depicted by sixteen years of the sea-surface temperature
and wind stress. In: Coupled Ocean-Atmosphere Models. Amsterdan: Elsevier,
1985. p. 211-237. Oceanography series, v. 40.
Servain, J.; Bulasalacchi, A. J.; McPhaden, M. J.; Moura, A. D.; Reverdin, G.; Vianna,
M. ; Zebiak, S. E. A pilot research moored array in the tropical Atlantic (PIRATA).
Bulletin American Meteorological Society, v. 79, n.10, p.2019-2031, 1998.
Silveira, I. C. A.; Miranda, L. B. ; Brown, W. S. On the origins of the North Brazil
current. Journal of Geophysical Research, v. 99, n. C11, p. 22501-22510,
1994.
Smith, R.C ; Baker, K.S. The bio-optical state of ocean waters and remote sensing.
Limnology and Oceanography, v. 23, n. 2, p. 247-259, 1978.
Smith, R. C. ; Wilson, W. H. Ship and satellite bio-optical research in the California
Bight. In: Gower, J. ed. Oceanography from Space. New York: Plenum, 1981. p.
281-294.
157
Stewart, R.H. Methods of Satellite Oceanography. California: University of
California Press, 1985. 360 p.
Stramma, L. Geostrophic transport of the South Equatorial current in the Atlantic.
Journal of Marine Research, v. 49, n. 2, p. 281-294, 1991.
Stramma, L. ; Schott, F. The mean flow field of the tropical Atlantic ocean.
Deep-Sea Research II, v. 46, n. 1-3, p. 279-303, 1999.
Strub, P. T. ; James, C.; Thomas, A. C. ; Abbott, M. R. Seasonal and nonseasonal
variability of satellite-derived surface pigment concentration in the California
current. Journal of Geophysical Research, v. 95, n. C7, p. 11501-11530, 1990.
Sturm, B. In: Fraysse, G. ed. Remote sensing aplications in agriculture and
hidrology. Rotterdam: Balkema, 1980. p. 471-495.
Sverdrup, H.U.; Johnson, M.W. ; Fleming, R.H. Phytoplankton in relation to
physical-chemical properties of the environment. In: The Oceans their Physics,
Chemistry and General Biology. New York: Pratice-Hall, 1942, p. 762-798.
Tran, A.V.; Smith, ;.; Hyon, J.; Evans, R.; Brown, O. ; Feldman, G. Satellite-derived
multichannel sea surface temperature and phytoplankton pigment
concentration data: A CD-ROM set containing monthly mean distributions for
the global oceans. California: Jet Propulsion Laboratory/California Institute of
Technology. JPL D-10351, 1993, 28 p.
United Nations Educational, Scientific and Cultural Organization (UNESCO).
Opportunities and problems in satellite measurements of the sea. 1986. 71p.
UNESCO Technical Papers in Marine Science, v. 46.
Van Camp, L.; Nykjaer, L.; Mittelstaedt, E. ; Schlittenhardt, P. Upwelling and
boundary circulation off northwest Africa as depicted by infrared and visible
satellite observations. Progress in Oceanography, v. 26, n. 4, p. 357-402, 1991.
158
Vinagradov, M. Ecosystems of equatorial upwelling. In: Longhurst, A.R. ed.
Analysis of marine ecosystems. New York: Academic, 1981. p. 69-93.
Voituriez, B. ; Herbland, A. Étude de la production pélagique de la zone équatoriale
de l’Atlantique a 4oW. Cahiers ORSTOM série Océanographie., v. 15, n. 4, p.
313-331, 1977.
Voituriez, B. ; Herbland, A. The use of the salinity maximum of the Equatorial
undercurrent for estimating nutrient enrichment and primary production in the Gulf
of Guinea. Deep-Sea Research I, v. 26, n. 1, p. 77-84, 1979.
Wang, M. A sensitivity study of the SeaWiFS atmospheric correction algorithm:
effects of spectral band variations. Remote Sensing Environment, v. 67, p.
348-359, 1999.
Weisberg, R.H. ; Tang, T. Y. On the response of the equatorial thermocline in the
Atlantic ocean to the seasonally varying trade winds. Journal of Geophysical
Research, v. 90, n. C4, p. 7117-7128, 1985.
Weisberg, R. H. ; Tang, T. Y. Further studies on the response of the equatorial
thermocline in the Atlantic ocean to the seasonally varying trade winds. Journal
of Geophysical Research, v. 92, n. C4, p. 3709-3727, 1987.
Weisberg, R. H. ; Tang, T. Y. A linear analysis of equatorial Atlantic ocean
thermocline variability. Journal of Physical Oceanography, v. 20, n. 12,
p.1813-1825, 1990.
Williams, R. G. ; Follows, M. J. The Ekman transfer of nutrients and maintenance of
new production over the North Atlantic. Deep-Sea Research I, v. 45, p. 461-489,
1998.
Wooster, W. S.; Bakun, A. ; Mclain, D. R. The seasonal upwelling cycle along the
eatern boundary of the North Atlantic. Journal of Marine Research, v. 34, n. 2,
p. 131-141, 1976.
Yentsch, C.S. The influence of phytoplankton pigments on the colour of sea water.
Deep Sea Research, v. 7, n. 1, p. 1-9, 1960.
159
Yoder, J. A.; McClain, C.R.; Feldman, G.C. ; Esaias, W. E. Annual cycles of
phytoplankton chlorophyll concentration in the global ocean: A satellite view.
Global Biogeochemical Cycles, v. 7, n. 1, p. 181-193, 1993.
161
APÊNDICE A
ROTINAS UTILIZADAS PARA LEITURA DOS DADOS E DERIVAR AS VARIÁVEIS FÍSICAS: CISALHAMENTO E BOMBEAMENTO DE EKMAN
1. Dados CZCS
;===================================================================== ;ROTINA czcs.pro ; ; Uma rotina em IDL que permite ler os dados CZCS, nível 3, ;formato HDF (imagens raster 8 bits): Converte as imagens de NC para ;concentração de pigmentos, prepará-las para o FERRET e gera um ;arquivo de saida em ASCII. ;Variáveis: czcs= concentração de pigmentos em mg/m3 ; iczcs=grade czcs inversa ; ;01/99 V.V.Menezes ;===================================================================== PRO czcs,entrada,saida ;Arquivo de entrada entrada=’’ READ,PROMPT=’Entre com o arquivo de entrada(HDF):’,entrada ;Criando o arquivo de saída saida=’’ READ,PROMPT=’Entre com o arquivo de saida (DAT):’,saida OPENW,1,saida ;Para abrir o arquivo HDF x=HDF_OPEN(‘entrada’) ;Para ler os dados da imagem raster HDF_DFR8_RESTART HDF_DFR8_GETIMAGE,entrada,czcs,pal_orig ;Para converter NC em pigmento czcs=10^(czcs*0.012-1.4 ) czcs[WHERE(czcs LT 0.04)=-1.E+34 czcs[WHERE(czcs GT 35.0)=-1.E+34 ;Rotacionando a Matriz (X,Y)=(-X,Y) iczcs=ROTATE (czcs,7) ;Para gerar o arquivo de saida PRINTF,1,iczcs CLOSE,1 END
Em verde está descrito os passos realizados na rotina
Atribui a imagem raster, do arquivo entrada, à variável czcs;
e a paleta a variavel pal_orig
Argumentos da Rotina
Em maiúsculas, as funções do IDL Em letras minúsculas as variáveis definidas pelo usuário
LT - função menor que GT - função maior que
7 indica que a rotação é de 270o (A FUNÇÃO ROTATE ROTACIONA SEMPRE NO SENTIDO
ANTI-HORÁRIO)
162
2. Dados GOSTA ;===================================================================== ;ROTINA tsm.pro ; ; Uma rotina em IDL que permite ler os dados ;TSM/gostaplus,formato ascii (grades em resolução de 1o), separá-los ;por mês, prepará-los para o FERRET gerando ;arquivos mensais em ;ASCII. ;Variáveis: tsm=temperatura da superfície do mar (oC*100) ; itsm=grade tsm inversa em oC ;01/99 V.V.Menezes ;===================================================================== PRO tsm,entrada,original,saida,m ;Arquivo de entrada entrada=’’ READ,PROMPT=’Entre com o arquivo de entrada(TXT):’,entrada OPENR,1,entrada ;Criando o arquivo de saida saida=’’ READ,PROMPT=’Entre com o arquivo de saida (DAT):’,saida OPENW,2,saida ;Determinando o mês (0-11-> meses do 1o ano;12-23-> meses do ;2o ano m=’’ READ,PROMPT=’Entre com o mês (0 a 23)’,m ;Criando a variável que receberá os dados TSM/gostaplus original=INTARR(360,4320) READF,1,original ;Extraindo dos dados o mês especificado na variável m z=(m*180) x=z+179 tsm=original(*;z:x ) ;Igualando a grade de TSM a de pigmentos (valores missing) e ;”converte” para temperatura tsm=tsm/100. tsm[WHERE(tsm EQ -10.0)=-1.E+34 tsm[WHERE(tsm EQ -327.68)=-1.E+34 ;Rotacionando a matriz tsm (X,Y)=(-X,Y) itsm=ROTATE (tsm,7) ;Para gerar o arquivo de saida PRINTF,2,itsm CLOSE,1,2 END
Cria uma matriz*1 de inteiros de 360 linhas x 420 colunas, e associa o arquivo a esta matriz
Resultado da divisão é um FLOAT, automaticamente a
matriz gerada é uma matriz de FLOAT
*1O IDL lê o primeiro elemento da 1a linha até o último elemento, antes de iniciar a próxima linha: INTARR (coluna,linha) !
Dimensão da matriz tsm
163
3. Dados ECMWF ;===================================================================== ;ROTINA ecmwf.pro ; ; Uma rotina que prepara os grades ECMWF para o FERRET gerando ;arquivos mensais em ASCII. Obs: Neste caso, só foi necessário rotacionar a matriz ! ;;01/99 V.V.Menezes ;===================================================================== PRO ecmwf,entrada, saida entrada=' ' Read, Prompt= 'Entre com o arquivo input:', entrada OPENR,1,entrada saida= ' ' Read, Prompt='Entre com o arquivo saida:', saida OPENW,2, saida original=FLTARR (144,73) READF,1,original ivento=ROTATE (original,7) PRINTF,2,ivento CLOSE,1 CLOSE,2 FOR j=0,100 DO GOTO, in END
164
4. Cálculo do Cisalhamento no programa FERRET
calc_cisalhamento.jnl
!Description: cálculo da magnitude cisalhamento do vento e suas !respectivas componentes zonal e meridional CANCEL MODE VERIFY LET ro_ar=1.3 !densidade do ar LET awspd=ABS(wspd) !define velocidade do vento em valor absoluto LET cdf = 0.0012 LET cdff=0.00049+0.000065*awspd LET cd = IF awspd LT 11.0 THEN cdf ELSE cdff LET/TITLE="componente U do cisalhamento do vento em N/m^2"
ucis=ro_ar*cd*ustr LET/TITLE ="componente V do cisalhamento do vento em N/m^2"
vcis=ro_ar*cd*vstr LET/TITLE ="cisalhamento do vento" mcis=ro_ar*cd*(wspd^2) LET/TITLE ="cisalhamento do vento N/m^2" cis=ro_ar*cd*wspd*awspd SAVE/FILE=ATROP.cdf/APPEND ucis,vcis,mcis,cis SET MODE/LAST VERIFY
Comando para definir novas variáveis
Define o coeficiente de arrasto
Salva as novas variáveis no arquivo ATROP.cdf
165
5. Estimativa do Bombeamento de Ekman
cal_Ekmam.jnl
!Description: cálculo bombeamento de Ekman através das equações !clássicas de Ekman, exceto na faixa equatorial 2oN-2oS SET MODE/LAST VERIFY set grid GPU2 !define as variaveis let cis_zon=$1 let cis_mer=$2 !parametros das equacoes let ro_ag=1000 LET omega = 7.292e-5 !velocidade angular da Terra em rad.s-1
LET f = 2*omega*sin(y*3.14159/180) !parâmetro de Coriolis !equações let taux_f= cis_zon/f let tauy_f= cis_mer/f let tauy_x=tauy_f[i=@DDC] let taux_y=taux_f[j=@DDC] let rot=(tauy_x-taux_y)!rotacional de (tau/f) !calculando a ressurgencia de ekmam utilizando o rotacional let w=If j gt 18 AND j lt 22 then 0 else rot/ro_ag !Na faixa !equatorial
ekman != 0 let w1=ignore0 (w) LET/TITLE="Bombeamento de Ekman x 10^-5 m/s" we=w1*100000 SAVE/FILE=ATROP.cdf/APPEND we SET MODE/LAST VERIFY
166
167
APÊNDICE B
GRÁFICOS: TSM, CISALHAMENTO E SEUS RESPECTIVOS COMPONENTES, E BOMBEAMENTO DE EKMAN POR REGIÃO
1. TSM
24,5
25
25,5
26
26,5
27
27,5
28
28,5
29
jan fev mar abr mai jun jul ago set out nov dez
meses
TSM
(oC
)
1978
1979
1980
1981
1982
1983
1984
1985
1986
NEA NOA
20
21
22
23
24
25
26
27
28
29
jan fev mar abr mai jun jul ago set out nov dez
meses
TSM
(oC
)
1978
1979
1980
1981
1982
1983
1984
1985
1986
24
24,5
25
25,5
26
26,5
27
27,5
28
28,5
jan fev mar abr mai jun jul ago set out nov dez
meses
TSM
(oC
) 1978
1979
1980
1981
1982
1983
1984
1985
1986
21
22
23
24
25
26
27
28
29
jan fev mar abr mai jun jul ago set out nov dez
meses
TSM
(oC
) 1978
1979
1980
1981
1982
1983
1984
1985
1986
ATL ATO
168
2. Cisalhamento
0
0,02
0,04
0,06
0,08
0,1
0,12
jan fev mar abr mai jun jul ago set out nov dez
meses
cisa
lham
ento
(Nm
-2)
19791980198119821983198419851986
ATL ATO
NEA
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
jan fev mar abr mai jun jul ago set out nov dez
meses
cisa
lham
ento
(Nm
-2)
1979
1980
1981
1982
1983
1984
1985
1986
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
jan fev mar abr mai jun jul ago set out nov dez
meses
cisa
lham
ento
(Nm
-2)
19791980198119821983198419851986
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
jan fev mar abr mai jun jul ago set out nov dez
meses
cisa
lham
ento
(Nm
-2)
19791980198119821983198419851986
NOA
169
3. Componente Zonal do Cisalhamento do Vento
-0,04
-0,03
-0,02
-0,01
0
0,01
0,02
0,03
jan fev mar abr mai jun jul ago set out nov dez
meses
cisa
lham
ento
zon
al (
Nm
-2)
1979
1980
1981
1982
1983
1984
1985
1986
-0,1
-0,09
-0,08
-0,07
-0,06
-0,05
-0,04
-0,03
-0,02
-0,01
0
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
zon
al (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6
-0 ,1 2
-0 ,1
-0 ,0 8
-0 ,0 6
-0 ,0 4
-0 ,0 2
0
0 ,0 2
0 ,0 4
0 ,0 6
0 ,0 8
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
zon
al (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6-0,14
-0,12
-0,1
-0,08
-0,06
-0,04
-0,02
0
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
zon
al (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6
ATL ATO
NOA NEA
170
3. Componente Merdional do Cisalhamento do Vento
0
0,01
0,02
0,03
0,04
0,05
0,06
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
mer
idio
nal (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6 -0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
mer
idio
nal (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
mer
idio
nal (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
cisa
lham
ento
mer
idio
nal (
Nm
-2)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6
ATL ATO
NOA NEA
171
4. Bombeamento de Ekman
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
we
(x10
-5 m
/s)
1979
1980
1981
1982
1983
1984
1985
1986
-1,2
-1
-0,8
-0,6
-0,4
-0,2
0
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
we
(x10
-5 m
/s)
1979
1980
1981
1982
1983
1984
1985
1986
0
0,1
0,2
0,3
0,4
0,5
0,6
jan fev m ar abr m ai jun jul ago set o ut no v dez
meses
we
(x10
-5 m
/s)
1 9 79
1 9 80
1 9 81
1 9 82
1 9 83
1 9 84
1 9 85
1 9 86
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
jan fev m ar abr m ai jun jul ago set o ut no v dez
mesesw
e (x
10-5
m/s
)
1 9 7 9
1 9 8 0
1 9 8 1
1 9 8 2
1 9 8 3
1 9 8 4
1 9 8 5
1 9 8 6
ATL
NOA NEA
ATO
APÊNDICE C
TABELA : MÉDIA DA CONCENTRAÇÃO DE PIGMENTOS POR REGIÃO, DESVIO-PADRÃO E NÚMERO DE OBSERVAÇÕES
ATL ATO NOA NEA med desv nobs1 nt2 med desv nobs1 nt2 med desv nobs1 nt2 med desv nobs nt
nov 0,4120 0,085 139 380 0,2781 0,054 187 258 0,42350 0,480 116 173 0,409 1,622 76 169 dez 0,4173 0,229 290 380 0,3057 0,413 226 258 0,47220 0,449 151 173 0,385 0,852 123 169 jan 0,4309 0,231 342 380 0,3203 0,543 234 258 0,55830 1,166 142 173 0,364 0,195 160 169 fev 0,3351 0,087 183 380 0,3271 0,366 61 258 0,54910 1,170 138 173 0,369 0,464 123 169 mar 0,3420 0,071 20 380 0,4081 2,716 29 258 0,70270 2,874 53 173 0,424 1,553 92 169 abr 0,2896 0,056 292 380 0,2744 0,298 233 258 0,76480 3,190 17 173 0,616 2,029 7 169 mai 0,3179 0,061 309 380 0,3024 1,039 209 258 0,43850 2,370 69 173 0,345 0,342 117 169 jun 0,3964 0,075 359 380 0,2905 0,180 242 258 0,42550 0,199 123 173 0,421 0,782 148 169 jul 0,4199 0,081 345 380 0,3002 0,255 237 258 0,40290 0,960 57 173 0,435 0,966 100 169 ago 0,4541 0,129 329 380 0,2844 0,056 237 258 0,56100 2,310 78 173 0,385 0,995 134 169 set 0,5345 0,406 300 380 0,3152 0,063 234 258 0,65350 2,448 102 173 0,532 0,715 156 169 out 0,6123 0,607 278 380 0,3832 0,076 213 258 0,80650 3,072 133 173 0,588 0,811 142 169 nov 0,6283 1,310 329 380 0,3749 0,087 238 258 0,87670 2,462 152 173 0,532 0,864 153 169 dez 0,7036 1,232 351 380 0,3731 0,298 237 258 0,91510 1,219 153 173 0,477 0,372 135 169 jan 0,5684 1,605 355 380 0,3540 0,321 230 258 0,63490 1,630 150 173 0,416 0,497 150 169 fev 0,4758 1,005 308 380 0,3026 0,058 198 258 0,65250 1,630 105 173 0,393 0,717 76 169
Med – média; Desv –desvio padrão; 1 – Número de pixels válidos na região; 2 – Número total de pixels na região;
173
175
APÊNDICE D
Média Mensal 1979-1980: TSM, componente zonal e meridional do
cisalhamento do vento na superfície e bombeamento de Ekman
176
Fig. D1 - Temperatura da Superfície do Mar – Média Mensal 1979 /1980
177
Fig. D2 - Componente Zonal do Cisalhamento do Vento na Superfície – Média Mensal 1979/1980
178
Fig. D3 - Componente Meridional do Cisalhamento do Vento na Superfície – Média Mensal 1979/1980
179
Fig. D4 - Bombeamento de Ekman – Média Mensal 1979-1980